Question

在模型功能dataset.batch(batch_size)上用batch_size批处理数据集和用.fit参数批处理数据集有什么区别？它们具有相同的功能还是不同？

Answer 1

在文档中查看fit中的参数batch_size：

batch_size
整数或None。每个梯度更新的样本数。如果未指定，batch_size将默认为32。如果您的数据是以数据集，生成器或keras.utils.Sequence实例的形式（因为它们生成批次），则不要指定batch_size。

因此，如果要传递数据集对象进行训练，请不要使用batch_size参数，因为这仅适用于X / Y值为NumPy数组或TensorFlow张量的情况。

Answer 2

使用dataset.batch()将数据集对象的连续元素组合成批。例如：

>> dataset = tf.data.Dataset.range(8)
>> dataset = dataset.batch(3)
>> list(dataset.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]

这将修改您的数据集对象本身。在许多情况下，这可能是不希望的。我建议仅将此功能用于数据集的处理，作为预处理的一个步骤。

此外，将数据集对象与在batch_size中指定fit参数相结合将引发错误。

当将numpy数组或张量流张量作为输入传递到batch_size时，应使用fit参数。

示例来自官方tensorflow文档，可在下面的链接中找到

。

dataset.batch()-https://www.tensorflow.org/api_docs/python/tf/data/Dataset#batch

dataset.batch函数和model.fit函数的batch_size参数有什么区别？

2 个答案: