时间戳

首页 > 解决方案 > 在 google colab 问题中训练 MNIST 数据集：

python - 在 google colab 问题中训练 MNIST 数据集：

问题描述

我在专业版的 google colab notebook 中执行 CNN。虽然 x_train 的形状是 (60,000, 28,28)。该模型仅在 1875 行上进行训练。以前有人遇到过这个问题吗？我的模型在本地机器的 jupyter notebook 上运行良好。它在所有 60,000 行上运行 

    import tensorflow as tf
    mnist = tf.keras.datasets.mnist

    (x_train, y_train), (x_test, y_test) = mnist.load_data()
    x_train = x_train.astype('float32') / 255.0
    y_train = y_train.astype('float32') / 255.0

    print("x_train.shape:", x_train.shape)

    #Build the model
    from tensorflow.keras.layers import Dense, Flatten, Dropout
    model = tf.keras.models.Sequential([
            tf.keras.layers.Flatten(input_shape=(28,28)),
            tf.keras.layers.Dense(128, activation='relu'),
            tf.keras.layers.Dropout(0.2),
            tf.keras.layers.Dense(10, activation='softmax')
    ])

    r = model.fit(x_train, y_train, validation_data=(x_test,y_test), epochs = 10)


    Output:

    x_train.shape: (60000, 28, 28)

    Epoch 1/10
    1875/1875 [==============================] - 3s 2ms/step - loss: 2.2912e-06 - accuracy:                            0.0987 - val_loss: 7716.5078 - val_accuracy: 0.0980

标签： pythontensorflowmachine-learningkerasdeep-learning

解决方案

1875是一批批。默认情况下，批次包含 32 个样本。
60000 / 32 = 1875

推荐阅读