模型拟合训练数

Question

这是我的拟合方法

history = model.fit(
    x_train,
    y_train,
    batch_size=64,
    epochs=2,
    # We pass some validation for
    # monitoring validation loss and metrics
    # at the end of each epoch
    validation_data=(x_val, y_val),
)



 Fit model on training data
Epoch 1/2
782/782 [==============================] - 1s 1ms/step - loss: 0.5879 - sparse_categorical_accuracy: 0.8403 - val_loss: 0.1954 - val_sparse_categorical_accuracy: 0.9453
Epoch 2/2
782/782 [==============================] - 1s 824us/step - loss: 0.1732 - sparse_categorical_accuracy: 0.9496 - val_loss: 0.1287 - val_sparse_categorical_accuracy: 0.9618

这里的 782 是什么？你可以看到在 epoch 2/2 之后有 782/782。我想知道数字是多少(782)

Answer 1

782 是每个 epoch 中处理的批次总数。随着您的模型训练，您可以看到批次计数器从 0 增长到 782。 显然，您的数据集大小约为 50000。当您将 50K 除以 64（批量大小）时，您会得到略低于 782。这意味着最后一批的大小将小于 64。