在 Tensorflow 中训练时，这些数字意味着什么答案

【问题标题】：What do these numbers mean when training in Tensor Flow在 Tensorflow 中训练时，这些数字意味着什么
【发布时间】：2021-09-29 07:35:18
【问题描述】：

举个例子：

import tensorflow as tf
data = tf.keras.datasets.mnist

(training_images, training_labels), (val_images, val_labels) = data.load_data()

training_images  = training_images / 255.0
val_images = val_images / 255.0
model = tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape=(28,28)),
                                    tf.keras.layers.Dense(20, activation=tf.nn.relu),
                                    tf.keras.layers.Dense(10, activation=tf.nn.softmax)])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(training_images, training_labels, epochs=20, validation_data=(val_images, val_labels))

结果是这样的：

Epoch 1/20
1875/1875 [==============================] - 4s 2ms/step - loss: 0.4104 - accuracy: 0.8838 - 
val_loss: 0.2347 - val_accuracy: 0.9304

1875 是从哪里来的？这个数字代表什么？我无法看到它来自哪里。我看training_images的形状是60000x28x28。

【问题讨论】：

这是批次的数量，一旦完成将是一个纪元。 1 epoch = 1875 个批次

标签： tensorflow

【解决方案1】：

1875 是训练完成整个数据集所需的迭代次数，批量大小为 32。

1875 * 32 = 60k

Epoch 一个 epoch 描述了算法看到整个数据集。所以，每次算法看到所有样本数据集，一个纪元已经完成。

迭代迭代描述了一批数据的次数通过算法。在神经网络的情况下，指前传和后传。所以，每次你经过通过NN的一批数据，你完成了一次迭代。

更多内容可以参考link-1和link-2

【讨论】：

【解决方案2】：

1875 是训练的步数/批次数。例如，默认批量大小为 32，这告诉我们您有 60 000 张图像（正负 31，因为最后一批可能已满，也可能未满）。

【讨论】：