keras的Model模型的参数说明
keras中的容易混淆的概念:
-
epoch: 一个epoch是把所有训练样本训练一遍。
-
batch_size:计算梯度下降时每个batch包含的样本量
-
steps_per_epoch:一轮epoch训练包含的步数,默认=None(样本总数/batch_size)
注意 :batch_size和steps_per_epoch是等价的,当同时设置这两个参数时会报错:ValueError: If steps_per_epoch is set, the
batch_size
must be None.
fit(self, x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)
- x :输入数据(训练集的特征),如果模型只有一个输入,那么x的类型是numpy array,如果模型有多个输入,那么x的类型应当为list,list的元素是对应于各个输入的numpy array。如果模型的每个输入都有名字,则可以传入一个字典,将输入名与其输入数据对应起来。
- y: 标签(训练集的label),同上
- batch_size : 整数,指定