我正在经历this reinforcement learning tutorial 到目前为止它真的很棒，但有人可以解释一下
newQ = model.predict(new_state.reshape(1,64), batch_size=1)
和
model.fit(X_train, y_train, batch_size=batchSize, nb_epoch=1, verbose=1)
意思？
与bach_size，nb_epoch和verbose这些参数有什么关系？
我知道神经网络如此解释会有所帮助。
您也可以向我发送一个链接，其中可以找到这些功能的文档。
答案 0 :(得分：1)
首先，令我惊讶的是你找不到documentation，但我猜你在搜索时运气不好。
model.fit的文档说明：
fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)
batch_size：整数。每个渐变更新的样本数。nb_epoch：整数，迭代训练数据数组的次数。verbose：0,1或2.详细模式。 0 =无声，1 =详细，2 =每个时期有一个对数行。
batch_size的{{1}}参数只是每个预测步骤使用的样本数。因此，一次调用model.predict会消耗model.predict个数据样本。这有助于可以快速处理大型矩阵的设备（例如GPU）。