TensorFlow - 每个时代的时尚 MNIST 步骤答案

【问题标题】：TensorFlow - Fashion MNIST Steps Per EpochTensorFlow - 每个时代的时尚 MNIST 步骤
【发布时间】：2020-07-17 21:43:59
【问题描述】：

我正在使用 Kera 的时尚 MNIST 数据集。当我拟合我的模型时，我注意到要完成一个 epoch，它必须经过 1500 步。

history = model.fit(x_train, y_train, epochs=30, validation_split=0.2)

Epoch 3/30
1500/1500 [==============================] - 3s 2ms/step - loss: 0.4494 - sparse_categorical_accuracy: 0.8438 - val_loss: 0.4691 - val_sparse_categorical_accuracy: 0.8308
Epoch 4/30
964/1500 [==================>...........] - ETA: 0s - loss: 0.4294 - sparse_categorical_accuracy: 0.8504

我正在查看 fit 函数的 docs，但不明白为什么默认步数设置为 1500。我知道当 steps_per_epoch 是 None 时，行为取决于数据类型数据集，但是如何检查数据类型是张量还是 tf.data？

【问题讨论】：

每个epoch的步数等于ceil(samples / batch_size)。它不依赖于数据类型。
@jakub，如果我没有在我的代码中指定batch_size，它会默认在哪里？
默认批量大小为 32。model.fit 文档中有此内容。
@jakub，这对我来说没有意义。如果每个 epoch 的步数等于ceil(60000/32)，那么日志输出应该是 1875/1875，对吧？
请看我的回答。

标签： tensorflow tensorflow2.0 tf.keras

【解决方案1】：

每个 epoch 的步数等于ceil(samples / batch_size)。 model.fit 中的默认批量大小为 32 (documentation)。如果 MNIST 训练数据有 60000 个样本，那么每个 epoch 需要 60000 / 32 = 1875 步。

model.fit 还支持将您的数据拆分为训练集和验证集。您已经使用validation_split=0.2 完成了此操作，因此只有 80% 的样本是训练集的一部分（20% 用于验证）。新的计算将是 0.8 * 60000 / 32 = 1500。这就是为什么您会看到每个 epoch 有 1500 步。

【讨论】：

我刚刚发现了这一点，正准备回答我自己的问题。