Question

我绝对不是TensorFlow和Keras的新手，我正在尝试尝试一些我在网上找到的代码。

特别是我正在使用fashion-MNIST-由60000个示例和10000个示例组成的测试集。它们每个都是28x28灰度图像。

我正在学习本教程“ ”，并且在定义

之前没有问题。

officeId

据我所知，我需要将 train_dataset.repeat（）用作输入数据集，因为否则我将没有足够的训练示例使用这些值作为超参数（历元，steps_per_epochs）。

我的问题是：如何避免不得不使用 .repeat（）？我该如何更改超参数？

为简单起见，我在这里处理代码：

history = model.fit(
train_dataset.repeat(), 
epochs=10, 
steps_per_epoch=500,
validation_data=val_dataset.repeat(), 
validation_steps=2)

谢谢！

Answer 1

如果您不想使用.repeat（），则需要让模型传递一次，以为每个时期仅一次整个数据。

要做到这一点，您需要计算模型通过整个数据集所要执行的步骤，计算起来很容易：

steps_per_epoch = len(train_dataset) // batch_size

因此，如果train_dataset为60000个样本，batch_size为128，则每个时期需要468个步骤。

通过像这样设置此参数，确保不超过数据集的大小。

Answer 2

我遇到了同样的问题，这就是我所发现的。 tf.keras.Model.fit 的文档：“如果x是tf.data数据集，并且'steps_per_epoch'为None，则该纪元将一直运行直到输入数据集用尽。”

换句话说，如果我们使用tf.data.dataset作为训练数据，则不需要需要指定“ steps_per_epoch”，并且tf会计算出其中有多少步。同时，tf将在下一个纪元开始时自动重复数据集，因此您可以指定任何“纪元”。

传递无限重复的数据集（例如，dataset.repeat（））时，必须指定steps_per_epoch参数。