python - Keras 没有对所有行建模
问题描述
对 Keras、Tensorflow 和 Google Colab 来说是全新的。我正在关注 YouTube 教程。我有一个 4000 行的 df,如下所示:
x y color
0 1.752690 2.846610 0.0
1 0.848488 2.127556 0.0
2 2.294166 0.801233 1.0
3 4.137304 3.082904 1.0
4 2.877251 1.915737 1.0
... ... ... ...
3995 4.138087 5.111319 0.0
3996 0.840928 1.691174 0.0
3997 2.820071 3.812626 0.0
3998 3.313544 4.869823 0.0
3999 3.877675 2.553817 1.0
这是我的代码:
import tensorflow as tf
from tensorflow import keras
import pandas as pd
import numpy as np
df=pd.read_csv('train.csv')
np.random.shuffle(df.values)
model = keras.Sequential([
keras.layers.Dense(4, input_shape=(2,), activation='relu'),
keras.layers.Dense(2, activation='sigmoid')])
model.compile(optimizer='adam',loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])
model.fit(df.loc[:,'x':'y'].values, df.color.values, batch_size=16)
这是输出:
250/250 [==============================] - 0s 872us/step - loss: 0.8335 - accuracy: 0.2380
<tensorflow.python.keras.callbacks.History at 0x7fed96a646a0>
我担心输出意味着它只运行了 250 行。youtube 视频中显示的输出有几行,底行显示 4000/4000,然后在下方显示 [Finished in 4.5s]。您可以转到https://www.youtube.com/watch?v=aBIGJeHRZLQ中的 29:13 查看输出。
我的模型只运行 250 行吗?为什么?
解决方案
250 是训练的批次数 250 * 16 = 4000
推荐阅读
- python - gspread 包未在 pip 或 conda 上更新
- machine-learning - 如何加快 Wav2vec 2.0 模型性能并将此模型部署到生产环境中?
- java - 将从jsp中选择的值传递给struts中的Action
- azure-data-factory - Azure DataFactory DataFlow json 源错误类型
- blazor-server-side - Blazor 的默认开箱即用模板不适用于移动设备
- python - 带有 TypeError 的 ImageDataGenerator:/:'tuple' 和 'int' 的操作数类型不受支持
- python - django:VSCode 无法识别 request.POST.get
- sql - PostgreSQL:按每日会话总数计算的前 10 名游戏
- javascript - npm start 在反应应用程序中显示 js 堆内存不足
- javascript - 使用 HTML 中的 Javascript 在公共电子表格中搜索数据|