python - model.fit 中的批量大小和 Keras 中的输入形状
问题描述
在 keras 文档中,密集层的输入张量将输入作为:
输入形状
nD 张量,形状:
(batch_size, ..., input_dim)
。最常见的情况是带有 shape 的 2D 输入(batch_size, input_dim)
。
据我了解,输入张量中的批量大小是您为训练或预测提供的示例数量。
对于batch_size
in model.fit
,
batch_size:整数或
None
. 每次梯度更新的样本数。如果未指定,batch_size
将默认为 32。
那么 2 批大小是否在做同样的事情,减少输入数据以防止内存完全填满?
另外,我知道batch_size
输入形状是可选的,因为 keras 放置了一个None
如果未指定。batch_size
是否需要指定model.fit
?
解决方案
两个 batch_size 参数都指的是同一件事,即您所描述的一次将多少个示例输入模型。
至于你的其他答案,model.fit
keras官方网站(https://keras.io/models/model/)函数下的model.fit
函数“batch_size:整数或无。每次梯度更新的样本数。如果未指定,batch_size 将默认为 32",类似于输入形状。
推荐阅读
- html - 有没有办法阻止 html 标头中的所有 cookie
- ansible - Ansible 在 CIDR 中获取网络掩码
- autofac - Autofac 无法解析可枚举的类型化 HttpClients
- tfsbuild - TFS vNext 构建测试影响分析 - 始终运行解决方案中某些项目的所有测试
- go - 如何解决追加数据时第一个参数必须是切片的
- c# - botframeworkv4 - 可用频道 ID 列表
- c++ - webrtc::VideoFrame 和 webrtc::EncodedImage 之间的区别
- python - 检查两个文件指针是否指向 Python 中的同一个文件
- html - span 应该具有子 img 的宽度和高度
- python - Keras,keras.backend.concatenate 和 Keras.layers.Concatenate 有什么区别