`dataset.batch` 函数和 `model.fit` 函数的 `batch_size` 参数有什么区别？答案

【问题标题】：What is the difference between the `dataset.batch` function and the `batch_size` parameter of the `model.fit` function?`dataset.batch` 函数和 `model.fit` 函数的 `batch_size` 参数有什么区别？
【发布时间】：2020-10-23 02:37:48
【问题描述】：

使用dataset.batch(batch_size) 批处理数据集与使用模型函数.fit 上的batch_size 参数批处理数据集有什么区别？它们具有相同的功能还是不同？

【问题讨论】：

重复：stackoverflow.com/questions/62670041/…
这能回答你的问题吗？ batch_size in tf model.fit() vs. batch_size in tf.data.Dataset

标签： tensorflow machine-learning keras artificial-intelligence

【解决方案1】：

查看fit中参数batch_size的文档：

batch_size
整数或None。每次梯度更新的样本数。如果未指定，batch_size 将默认为 32。如果您的数据是数据集、生成器或 keras.utils.Sequence 实例的形式（因为它们会生成批次），请不要指定 batch_size。

因此，如果您要传递数据集对象进行训练，请不要使用 batch_size 参数，因为这仅适用于您的 X/Y 值是 NumPy 数组或 TensorFlow 张量的情况。

【讨论】：

【解决方案2】：

使用dataset.batch() 将数据集对象的连续元素组合成批次。例如：

>> dataset = tf.data.Dataset.range(8)
>> dataset = dataset.batch(3)
>> list(dataset.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]

这会修改您的数据集对象本身。在许多情况下，这可能是不可取的。我建议将此函数仅用于处理数据集，作为预处理的一个步骤。

此外，将数据集对象与在fit 中指定batch_size 参数组合将引发错误。

当 numpy 数组或 tensorflow 张量作为输入传递给 fit 时，应使用 batch_size 参数。

示例取自官方 tensorflow 文档，可在下面提供的链接中找到。

dataset.batch() - https://www.tensorflow.org/api_docs/python/tf/data/Dataset#batch

【讨论】：