如何在每个时代结束时用 tf.keras 拟合和评估 tf.data.dataset？答案

【问题标题】：How to fit and evaluate tf.data.dataset with tf.keras at the end of every epoch?如何在每个时代结束时用 tf.keras 拟合和评估 tf.data.dataset？
【发布时间】：2020-01-05 03:50:45
【问题描述】：

当 x 是 tf.data 数据集时，(inputs, targets) 的元组和输入是 {"fea_1": val_1, "fea_2": val_2…}、model.fit 等功能的字典 tensorflow/python/keras/engine/training.py 中的函数不支持 validation_data 或 validation_split。

当 x 是数据集时，不支持validation_split。 validation_data 仅支持 Numpy 数组或张量。

我可以将take 或split 数据集转至model.fit 和model.evaluate，但它无法在每个epoch 结束时执行验证。

当输入特征是字典时，有没有更好的方法来训练和评估tf.data.dataset？

【问题讨论】：

您可以通过validation_data= 参数将tf.data.Dataset 对象提供给model.fit() 方法。不过，您需要指定批量大小。
validation_data 参数仅支持 numpy 数组或张量。我的数据集中的特征是一个字典，每个特征都是一个 numpy 数组，用于不同的输入层。
validation_data 参数确实支持 tf.data.Dataset。查看文档
我环顾四周。很遗憾，我的功能是字典而不是数组：github.com/tensorflow/tensorflow/blob/master/tensorflow/python/…
@ShubhamPnchal 真的……？支持链接是什么？？

标签： tensorflow keras tf.keras

【解决方案1】：

X = np.array(X)
y = np.array(y)
model.fit(X, y, batch_size=32, epochs=3, validation_split=0.1)

只需转换

tf.data.Dataset（我的是 Python 列表）

到

Numpy.array

它会工作很棒

【讨论】：

所有这些结果都是一个长度为 1 的数组。[<_LoadDataset shapes: <unknown>, types: tf.int64>]