为什么我的 Keras 模型只训练 1407 个训练实例而不是 45k？ [复制]

Question

Epoch 2/100
**1407/1407** [==============================] - 17s 12ms/step - loss: 1.9419 - accuracy: 0.2907 - val_loss: 2.1100 - val_accuracy: 0.2406
Epoch 3/100

出于某种奇怪的原因，它说它只训练了 1407 个实例，尽管我传递的训练数据的形状是 45k

x_train.shape
=> (45000, 32, 32, 3)

Answer 1

数字1407不是指样本数，而是指每个epoch的步数。例如，假设您有 1000 个训练样本。如果您设置 batch_size=100，那么每个 epoch 需要 10 步才能遍历整个数据集。如果您没有指定 batch_size model.fit 默认为 32. 45000/32=1406.25 所以它会四舍五入到 1407. 1407 X 32=45024 所以对于每个 epoch 来说，你会遍历整个训练集一次，再加上 24 个额外的样本。对于验证数据，最好每个 epoch 只检查一次验证集。因此，尝试选择验证批量大小，使得 validation_samples/validation_batch_size 是一个整数，然后将其指定为 model.fit 中 validation_steps 的值。这是一个方便的小函数，它将确定最大可用批量大小和步数，其中 length 是数据集中的样本数，b_max 是根据内存容量允许的最大批量大小。

def get_bs(length,b_max):
    batch_size=sorted([int(length/n) for n in range(1,length+1) if length % n ==0 and length/n<=b_max],reverse=True)[0]  
    return batch_size,int(length/batch_size)
# example
batch_size, steps=get_bs(1000, 80)
print (batch_size, steps)
# results in  batch_size=50 and steps=20

此函数对于确定长度是否为素数也很有用，因为它会返回一个 1 的 batch_size，只需使 b_max=length-1。