使用 model.fit 和 model.evaluate 发布 Tensorflow 2.2答案

【问题标题】：Issue Tensorflow 2.2 with model.fit and model.evaluate使用 model.fit 和 model.evaluate 发布 Tensorflow 2.2
【发布时间】：2020-06-26 13:29:40
【问题描述】：

当我想在 tf 中训练我的模型时，tf 似乎没有得到正确的值（cf screen）。
我希望有 21759 而不是 680

自从我更改操作系统（fedora 30 xfce -> fedora 32 gnome）后它就出现了，而在其他笔记本电脑上则没有这个问题。

我正在使用 Tf 2.2。
我的数据集是由 tshark 创建的 somes csv 创建的：A screen of my DS
这是我的几行代码：

我的模特：

model = Sequential()

model.add(LSTM(9, input_shape=dataset[0].shape, activation='relu', return_sequences=True))
model.add(Dropout(0.3))

model.add(LSTM(9, input_shape=dataset[0].shape, activation='relu', return_sequences=True))
model.add(Dropout(0.3))

model.add(Dense(9, activation='relu'))
model.add(Flatten())

model.add(Dense(2, activation='softmax'))

opt = tf.keras.optimizers.Adam(lr=1e-4, decay=1e-5)

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

你有什么想法吗？

PS：这个 .PY 也会发生这种情况

import tensorflow as tf

dataset = [[1, 1],[2, 2]] * 50
label  = [0, 1] * 50

print(len(dataset))

model = tf.keras.Sequential([
  tf.keras.layers.Dense(1, activation="relu", input_shape=(2,)),
  tf.keras.layers.Dense(2, activation="softmax")
])
model.compile(
    loss="sparse_categorical_crossentropy",
    optimizer="sgd",
    metrics=["accuracy"]
)
history = model.fit(dataset, label, epochs=1)

输出：

100
4/4 [==============================] - 0s 611us/step - loss: 0.6578 - accuracy: 0.5000

【问题讨论】：

您的数据集使用batches 吗？
您期望什么值？你的代码在哪里？你的数据是什么？
我的数据集确实使用了批次@KoralpCatalsakal
那么，680 可能是迭代计数。在每次迭代中，模型处理batch_size 个数据实例。所以 batch_size * 680 将是训练实例的总数（假设没有重叠或复制）
嗯，我的想法是，但使用完全不同的模型和数据集我有同样的问题，使用相同的笔记本但使用另一台笔记本电脑我没有这个问题。 @KoralpCatalsakal

标签： python python-3.x tensorflow tensorflow2.0

【解决方案1】：

就像 Koralp Catalsakal 所说的，这只是一个“配置差异”问题。所以我只需要手动设置batch_size。

【讨论】：