Keras 没有对整个数据集进行训练

Question

所以我一直在关注 Google 的官方 tensorflow 指南并尝试使用 Keras 构建一个简单的神经网络。但是在训练模型时，它并没有使用整个数据集（有 60000 个条目），而是只使用 1875 个条目进行训练。任何可能的修复？

import tensorflow as tf
from tensorflow import keras
import numpy as np

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

train_images = train_images / 255.0
test_images = test_images / 255.0

class_names = ['T-shirt', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle Boot']

model = keras.Sequential([
                          keras.layers.Flatten(input_shape=(28, 28)),
                          keras.layers.Dense(128, activation='relu'), 
                          keras.layers.Dense(10)
])

model.compile(optimizer='adam',
              loss= tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=10)

输出：

Epoch 1/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3183 - accuracy: 0.8866
Epoch 2/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3169 - accuracy: 0.8873
Epoch 3/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3144 - accuracy: 0.8885
Epoch 4/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3130 - accuracy: 0.8885
Epoch 5/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3110 - accuracy: 0.8883
Epoch 6/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3090 - accuracy: 0.8888
Epoch 7/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3073 - accuracy: 0.8895
Epoch 8/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3057 - accuracy: 0.8900
Epoch 9/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3040 - accuracy: 0.8905
Epoch 10/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3025 - accuracy: 0.8915

<tensorflow.python.keras.callbacks.History at 0x7fbe0e5aebe0>

这是原始的 google colab notebook，我一直在做这个：https://colab.research.google.com/drive/1NdtzXHEpiNnelcMaJeEm6zmp34JMcN38

Answer 1

它没有训练 1875 个样本。

Epoch 1/10
1875/1875 [===

1875 这里是步数，不是样本。在 fit 方法中，有一个参数，batch_size。它的默认值为 32。所以1875*32=60000。执行正确。

如果你用 batch_size=16 训练它，你会看到步数将是 3750 而不是 1875，因为 60000/16=3750.

Answer 2

拟合模型时显示的数字1875不是训练样本；它是batches.

的数量

model.fit 包含一个可选参数 batch_size，根据 documentation:

If unspecified, batch_size will default to 32.

所以，这里发生的是 - 您适合默认的批处理大小 32（因为您没有指定任何不同的东西），所以您的数据的批处理总数是

60000/32 = 1875

Answer 3

如果您希望整个 60000 个数据样本都可见，只需使用 batch_size = 1。

Keras 没有对整个数据集进行训练

Keras not training on entire dataset

python

machine-learning

keras

tensorflow

tensorflow2.0