更新到TensorFlow 2.0：Keras中的纪元概念

Question

我以前在tensorflow中使用Estimator API，并使用了“ max_steps”，即培训期间看到的批次数。 我的数据集是完全合成的并且是无限的，每次都在运行中生成一批全新的图像。 新的Keras API使用“历元”的概念，它对应于整个数据集的传递。如何在keras的“适合”函数中设置“ steps_per_epoch”，“ initial_Epoch”和“ epochs”，以使其对我而言有意义？

谢谢！

Answer 1

在steps_per_epoch函数中还有一个确切名称为model.fit()的参数，该参数可让您定义所需的步数，该步数等于一个历元。假设当批量大小为steps_per_epoch=4时，您希望4x8 = 32的含义是8。 32表示此处该模型现在将从数据集中看到32个样本。

还有一个initial_epoch参数，其作用与名称中所说的完全一样。

epochs也存在于.fit()中，将占用您想要的历元总数。因此，假设您要训练10个纪元，那么对于每个纪元，模型将看到32个图像样本，而在第10个纪元后，它将10x32= 320

这些所有功能都定义为here。

Answer 2

以下是为了正确使用Keras而必须了解和理解的常见定义：

---

1. 样本：数据集的一个元素。
2. 批处理：一组N个样本。
3. epochs：训练所有样本的次数。
4. steps_per_epoch：此处的步数等于分割的批号。在 另外，值得一提的是批量大小！= batches_number，批处理大小正在转换sample_number的一步。

回答您的其他评论：

---

keras模型不关心样本长度。例如，模型可以接收相似（无，w，h，c）形状的输入张量。 0轴无是您关心的#samples问题，但您无需关心。

因此无需在keras中指定输入张量的样本大小。

此外，样本数据收集过程可以是动态的，但用于分析的样本始终是固定的。您需要划分开发集和测试集。新收集的样本应在一定的时间段（例如一周或一个月）内添加到开发集和测试集中，并且需要确保收集的样本满足相同的分布。

了解def Input可能会对您有所帮助。