tensorflow - flowers_tf_lite.ipynb - 训练模型
解决方案
@Pedro Asseiro 实际上,迭代器会动态生成数据。因此,数据集迭代器的长度在您至少迭代一次之前是未知的。您可以将 steps_per_epoch 参数传递给model.fit_generator
如下所示。然后,它会按您的预期打印。
with tf.device("/device:GPU:0"):
history = model.fit_generator(train_generator, steps_per_epoch=len(train_generator),
epochs=epochs,
validation_data=val_generator,validation_steps=len(val_generator))
编辑1:
@Pedro Asseiro @gokul_uf 我根据您的评论更新了上述代码。您需要添加steps_per_epoch
以及validation_steps
. 我做的另一个改变是model.fit
在 GPU 下运行。model.fit
此外,我在微调部分做了完全相同的事情。
with tf.device("/device:GPU:0"):
history_fine = model.fit_generator(train_generator, steps_per_epoch=len(train_generator),
epochs=5,
validation_data=val_generator,validation_steps=len(val_generator))
请在此处查看 GitHub 要点。谢谢!
请让我知道是否有任何问题。谢谢!
推荐阅读
- angular - 模块 '"@angular/core"' 没有导出的成员 'ReactiveFormsModule'
- python - 我在使用 scipy.optimize.curve_fit 并获得 RuntimeWarning: 除以在 double_scalars 中遇到的问题时遇到问题
- python - 使用python将json数据插入postgres表
- flutter - 如何在颤振中参数传递get方法
- python - 属性错误没有属性作为 load_workbook
- css - 如何在 CSS 中模拟布局转换?
- python - 装饰器和继承:当装饰器应用于父类时会发生什么
- sql-server - 使用 PySpark 执行 SQL DDL 语句(带约束)
- android - 在 RecyclerView.OnScrollListener 中设置视图可见性时的性能
- r - -3.39999999999999996e+38 NODATA 值和栅格 R