我運(yùn)行這個源代碼。計算60000個訓(xùn)練數(shù)據(jù)和10000個測試數(shù)據(jù)我想每個紀(jì)元應(yīng)該計算60000次，如下所示x_train shape: (60000, 28, 28, 1)y_train shape: (60000,)60000 train samples10000 test samples60000/60000 [==============================]...然而實際上結(jié)果是這樣的x_train shape: (60000, 28, 28, 1)y_train shape: (60000,)60000 train samples10000 test samples469/469 [==============================] - 32s 69ms/step - loss: 2.2910 - accuracy: 0.1347 - val_loss: 2.2686 - val_accuracy: 0.3145Test loss: 2.2686383724212646Test accuracy: 0.31450000405311584elapsed time:34.918644189834595為什么只計算了469次？？？哪里錯了？？
1 回答
qq_花開花謝_0
TA貢獻(xiàn)1835條經(jīng)驗 獲得超7個贊
您需要在 model.fit() 函數(shù)中正確設(shè)置steps_per_epochs和validation_steps參數(shù)。
steps_per_epoch訓(xùn)練紀(jì)元被視為完成之前的批次迭代次數(shù)。如果你有一個固定大小的訓(xùn)練集，你可以忽略它，但如果你有一個巨大的數(shù)據(jù)集，或者如果你正在動態(tài)生成隨機(jī)數(shù)據(jù)增強(qiáng)，即如果你的訓(xùn)練集有（生成的）無限大小，它可能會很有用。如果您有時間檢查整個訓(xùn)練數(shù)據(jù)集，我建議您跳過此參數(shù)。validation_steps 類似于steps_per_epoch，但在驗證數(shù)據(jù)集而不是訓(xùn)練數(shù)據(jù)上。如果您有時間檢查整個驗證數(shù)據(jù)集，我建議您跳過此參數(shù)。
validation_steps類似于steps_per_epoch，但在驗證數(shù)據(jù)集上而不是在訓(xùn)練數(shù)據(jù)上。如果您有時間檢查整個驗證數(shù)據(jù)集，我建議您跳過此參數(shù)。
在你的情況下設(shè)置：
批量大小 = 200
每紀(jì)元步數(shù) = 300
驗證步驟 = 50
添加回答
舉報
0/150
提交
取消