model.fit() fit详解

最新推荐文章于 2023-09-07 21:59:50 发布

群星闪耀

最新推荐文章于 2023-09-07 21:59:50 发布

阅读量2.6w

点赞数 31

分类专栏： jupyter notebook tensorflow 深度学习

本文链接：https://blog.csdn.net/weixin_40244676/article/details/105091539

版权

本文详细解析了Keras中model.fit()函数的使用，包括输入数据x和y、批次大小batch_size、训练轮数epochs、日志级别verbose、回调函数callbacks、验证数据的处理方式validation_split和validation_data，以及样本权重调整等相关参数。通过实例展示了如何在Jupyter Notebook环境中运用model.fit()进行模型训练，并获取训练历史记录。

摘要由CSDN通过智能技术生成

fit( x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,
validation_split=0.0, validation_data=None, shuffle=True, 
class_weight=None, sample_weight=None, initial_epoch=0)

x：输入数据。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
y：标签，numpy array
batch_size：整数，指定进行梯度下降时每个batch包含的样本数。训练时一个batch的样本会被计算一次梯度下降，使目标函数优化一步。
epochs：整数，训练终止时的epoch值，训练将在达到该epoch值时停止，当没有设置initial_epoch时，它就是训练的总轮数，否则训练的总轮数为epochs - inital_epoch
verbose：日志显示，0为不在标准输出流输出日志信息，1为输出进度条记录，2为每个epoch输出一行记录
callbacks：list，其中的元素是keras.callbacks.Callback的对象。这个list中的回调函数将会在训练过程中的适当时机被调用，参考回调函数
validation_split：0~1之间的浮点数，用来指定训练集的一定比例数据作为验证集。验证集将不参与训练，并在每个epoch结束后测试的模型的指标，如损失函数、精确