TF2 对 LSTM 网络中的步数感到困惑
TF2 confused about step numbers in LSTM Network
我目前正在尝试使用我自己的数据集从 this 实施身份验证网络。
它正在“工作”（数据集大小仍然太小，无法进行任何有意义的测试），但我对某些事情感到困惑。
输入的形状为 (482, 12, 128, 1)。 482个样本量，12个传感器，128为信号长度，1个通道
所以我希望有这样的东西：
Epoch 1/10
X/482 [===...
在训练中，或者 X/batch_size（我现在还没有指定）。
但它是 X/16。
现在 16 是 LSTM 的序列长度（我在一个序列的 LSTM 有 16 个输入，每个有 128 个值）
这是怎么回事？
当您调用 model.fit() 而不指定 batch_size 参数时，它默认为 32。
batch_size: Integer or None. Number of samples per gradient update. If unspecified, batch_size will default to 32. Do not specify the batch_size if your data is in the form of datasets, generators, or keras.utils.Sequence instances (since they generate batches).
如果将样本数分成 32 个批次，则需要 16 个批次（15 个完整批次，1 个部分批次）。
482/32 = 15.0625
因此需要 16 个批次才能完成 1 个 epoch，这就是为什么您看到进度为 X/16。
我目前正在尝试使用我自己的数据集从 this 实施身份验证网络。
它正在“工作”（数据集大小仍然太小，无法进行任何有意义的测试），但我对某些事情感到困惑。
输入的形状为 (482, 12, 128, 1)。 482个样本量，12个传感器，128为信号长度，1个通道
所以我希望有这样的东西：
Epoch 1/10
X/482 [===...
在训练中，或者 X/batch_size（我现在还没有指定）。
但它是 X/16。 现在 16 是 LSTM 的序列长度（我在一个序列的 LSTM 有 16 个输入，每个有 128 个值）
这是怎么回事？
当您调用 model.fit() 而不指定 batch_size 参数时，它默认为 32。
batch_size: Integer or None. Number of samples per gradient update. If unspecified, batch_size will default to 32. Do not specify the batch_size if your data is in the form of datasets, generators, or keras.utils.Sequence instances (since they generate batches).
如果将样本数分成 32 个批次，则需要 16 个批次（15 个完整批次，1 个部分批次）。
482/32 = 15.0625
因此需要 16 个批次才能完成 1 个 epoch，这就是为什么您看到进度为 X/16。