我正在经历this reinforcement learning tutorial 到目前为止真的很棒，但是有人可以解释一下吗
newQ = model.predict(new_state.reshape(1,64), batch_size=1)
和
model.fit(X_train, y_train, batch_size=batchSize, nb_epoch=1, verbose=1)
是什么意思？
bach_size、nb_epoch 和 verbose 的参数是做什么的？
我知道神经网络，因此对此进行解释会很有帮助。
您也可以向我发送一个链接，在该链接中可以找到这些函数的文档。
【问题讨论】：
标签： python deep-learning keras reinforcement-learning
首先让我感到惊讶的是，您找不到 documentation，但我猜您只是在搜索时运气不佳。
model.fit 的文档状态：
fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)
batch_size：整数。每次梯度更新的样本数。nb_epoch：整数，迭代训练数据数组的次数。verbose：0、1 或 2。详细模式。 0 = 静默，1 = 详细，2 = 每个 epoch 一个日志行。
batch_size 参数在model.predict 的情况下只是用于每个预测步骤的样本数。所以调用model.predict 一次会消耗batch_size 的数据样本数。这有助于能够快速处理大型矩阵的设备（例如 GPU）。
【讨论】：