挑战指的是TensorFlow教程,例如:
(1)https://www.tensorflow.org/tutorials/keras/classification
或(2)https://www.tensorflow.org/tutorials/images/cnn
在(1)中,有段“为模型提供数据” https://www.tensorflow.org/tutorials/keras/classification#feed_the_model,其中输出在每个时期60000 / 60000
中表示。
在(2)中,有“编译并训练模型” https://www.tensorflow.org/tutorials/images/cnn#compile_and_train_the_model,其中输出为50000 / 50000
。
在两种情况下,它都与训练数据集中的图像数量相对应。
当我在Google Colab中运行这些教程时:
开箱即用,未经任何修改,我只能获得(1)的1875 / 1875
和(2)的1563 / 1563
。
背后还有魔术吗? 也许是已知问题?
谢谢!
答案 0 :(得分:0)
似乎我已经完成了这项挑战。
当您查看for {
conn, err := li.Accept()
if err != nil {
log.Fatalln(err)
}
go func() {
defer conn.Close()
scanner := bufio.NewScanner(conn)
for scanner.Scan() {
ln := scanner.Text()
io.WriteString(conn, ln+"\n")
}
}()
}
时,将看到有关model.fit()
的说明,如下所示:
batch_size
它在(1)和(2)教程中都找到了确认:
(1)batch_size: Integer or `None`.
If unspecified, `batch_size` will default to 32.
(2)60000 / 32 = 1875
(向上舍入)
因此,50000 / 32 = 1563
在这些教程中显示的是批号的进度,而不是我最初认为的图像编号