tensorflow2.0中model.fit 函数参数详解

最新推荐文章于 2025-03-01 18:27:15 发布

算法小菜鸟moon

最新推荐文章于 2025-03-01 18:27:15 发布

阅读量2k

点赞数 1

分类专栏： Tensorflow 文章标签： tensorflow 深度学习 python

原文链接：https://blog.youkuaiyun.com/m0_54689021/article/details/126088535?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167229927816800188573957%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=167229927816800188573957&biz_i

版权

Tensorflow 专栏收录该内容

6 篇文章

订阅专栏

model.fit( x, y, batch_size=64, epochs=100, verbose=1, callbacks=None,
validation_split=0., validation_data=None, shuffle=True, 
class_weight=None, sample_weight=None, initial_epoch=0)

x：输入数据Input data；
y：标签；
batch_size：整数，梯度下降时每个batch的样本数。训练时一个batch的样本会被计算一次梯度下降，使目标函数优化一步；
epochs：整数，训练步数；
verbose：日志显示，0为不在标准输出流输出日志信息，1为输出进度条记录，2为每个epoch输出一行记录；
callbacks：回调函数；
validation_split：0~1之间，将训练集的一定比例数据作为验证集。验证集将不参与训练，并在每个epoch结束后测试模型的精度。注意，validation_split的划分在shuffle之前，因此如果你的数据本身是有序的，需要先手工打乱再指定validation_split，否则可能会出现验证集样本不均匀；
validation_data：指定的验证集。此参数将覆盖validation_spilt；
shuffle：布尔值或字符串，一般为布尔值，表示是否在训练过程中随机打乱输入样本的顺序。若为字符串“batch”，则是用来处理HDF5数据的特殊情况，它将在batch内部将数据打乱。
class_weight：将不同的类别映射为不同的权值，该参数用来在训练过程中调整损失函数（只能用于训练）
sample_weight：权值的numpy array，用于在训练时调整损失函数（仅用于训练）。可以传递一个1D的与样本等长的向量用于对样本进行1对1的加权，或者在面对时序数据时，传递一个的形式为samples，sequence_length）的矩阵来为每个时间步上的样本赋不同的权。这种情况下请确定在编译模型时添加了sample_weight_mode=’temporal’。
initial_epoch: 从该参数指定的epoch开始训练，在继续之前的训练时有用。
steps_per_epoch：指定每个epoch所使用的迭代次数，默认每次用尽数据集

参考博客：https://blog.youkuaiyun.com/m0_54689021/article/details/126088535?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167229927816800188573957%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=167229927816800188573957&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~rank_v31_ecpm-3-126088535-null-null.142^v68control,201^v4add_ask,213^v2t3_esquery_v1&utm_term=tensorflow2.0%E4%B8%ADmodel.fit%20%E5%87%BD%E6%95%B0%E5%8F%82%E6%95%B0%E8%AF%A6%E8%A7%A3&spm=1018.2226.3001.4187