我尝试使用等于数据集长度的batch_size参数将整个数据集传递给Keras fit函数，但似乎只处理了1个样本，因为在fit函数的Epoch 1/50打印下，我看到的是1/1，而不是，例如，500/500，其中500是数据集长度。
浏览 12提问于2020-04-09得票数 0
回答已采纳
在Keras中，fit()和fit_generator()有什么区别？
我什么时候应该使用fit()和fit_generator()？
浏览 0提问于2018-07-13得票数 29
回答已采纳
我有一个用Keras写的模型。因为我处理的是大文件，所以我使用Keras应用程序接口加载数据并将其提供给tf.data.Dataset fit函数。在调用model.fit()之前，我使用it=ds.make_initializable_iterator()重新初始化dataset，然后将从it.get_next()函数获得的X和y张量传递给model.fit问题是，当model.fit()到达数据集的末尾时，它不会
浏览 21提问于2020-04-19得票数 0
2回答
TensorFlow在单个张量上有2GB的长期限制.这意味着你不能在一次超过2GB的数据上训练你的模型。见；my_graph = tf.Graph()
sess = tf.Session(graph=my_graph)现在推荐的方法是使用Keras (关于tensorflow.org的所有教程都使用它)。而且，对于Keras，没有tf.Graph()，没有tf.Session()，也没有run() (至少没有一个是用户可以轻易看到的)。
浏览 3提问于2018-12-26得票数 1
1回答
我正在阅读，在第13章中，我尝试使用Tensorflow数据集(而不是Numpy数组)来训练Keras模型。数据集来自，我已经将该数据集导出到CSV。( keras.layers.Dense(30, input_shape=(8,)),
keras.layers.BatchNormalization(),keras.laye
浏览 0提问于2021-05-24得票数 1
回答已采纳
4回答
我的问题很简单，在用于的顺序模型中传递给model.fit的验证数据是什么？
而且，它是否会影响模型的训练方式(例如，通常使用验证集来选择模型中的超参数，但我认为这里不会发生这种情况)？keras.models.training.fit还调用keras.models.training._fit_loop，后者将验证数据添加到callbacks.validation_data，还调用keras.mod
浏览 8提问于2017-09-19得票数 96
回答已采纳
对于简单地渐进式加载图像和将迭代器传递给model.fit函数，Keras的ImageDataGenerator看起来很棒。然而，它似乎只适用于图像和分类任务。我想做回归，也就是说，我的标签也是与训练集相同形状的数组。实际上，它们是像图像一样的多维(>1通道)数组，但它们不是图像。关于使用哪个类来简单地将批量数据传递给keras model.fit()以训练深度神经网络，有什么建议吗？ 当然，问题是我的
浏览 18提问于2020-04-10得票数 0
回答已采纳
1回答
tf.data.Dataset.from_tensor_slices((x_vali, y_vali))据我所知，我们试图洗牌我们的数据，因为我们不想把数据按顺序提供给我们的模型。在更多的阅读中，我意识到最好让buffer_size与数据集的大小相同。但我不知道repeat在这种情况下做了什么。有人能解释一下这里正在做什么吗？repeat的功能是什么？
浏览 1提问于2022-04-15得票数 1
回答已采纳
1回答
我试图向我的model.fit提供分块数据，因为我的整个数据集不适合我的内存。TF版本为2.4。我已经优化了存储在文件中的数据集，将它保存在字节中，每列是1字节(0-255)，但现在我需要按块读取它，并开始我的网络的学习过程。在此之前，我使用的是.csv，加载带有numpy重塑的数据集，然后将整个数据集提供给keras模型。 我应该对以前迭代中用
浏览 17提问于2021-03-31得票数 0
回答已采纳
考虑到数据集太大，无法同时加载内存，我选择使用批处理大小为32的自定义生成器，这意味着我的数据将以32的批处理大小加载。现在，如果我正确地理解了当我将这个生成器作为paramenter提供给Keras的.fit()时，这意味着在一个时代，所有的训练数据都将由32的批模型看到。所以我的问题是，如果我为.fit()方法指定了一个fit()，这样我就可以控制何时更新权重，这将如何工作，或者我不应该指定它，并且每一批生成器的权重都会被更新？
浏览 5提问于2022-03-02得票数 2
回答已采纳
1回答
我想知道在什么阶段测试数据集使用CNNs？它是在训练过程中每批或一个时期完成后使用，还是在所有时期完成后使用？我有点困惑，这两个进程是如何一起运行的？model.fit_generator(validation_data=(x_test, y_test),epochs=EPOCHS, verbose=1, callbacks =
浏览 11提问于2020-05-23得票数 2
回答已采纳
2回答
指南，我应该能够将数据集直接传递给model.fit，如下例所示：
使用Datasets可扩展到大型数据集或多设备培训。将tf.data.Dataset实例传递给fit方法：
dataset = tf.data.Dataset.from_tensor_slices
浏览 0提问于2018-10-10得票数 9
2回答
我需要在一个比我的GPU更需要内存的数据集上训练一个模型。向模型提供数据集的最佳实践是什么？
但是在步骤2中，我准备了第一批的<
浏览 3提问于2020-05-04得票数 2
我有一个非常大的数据集，并且正在使用Keras的fit_generator来训练Keras模型(tensorflow后端)。我的数据需要在整个数据集中进行规范化，但是当使用fit_generator时，我可以访问相对较小的数据批，并且这个小批中的数据规范化并不代表对整个数据集中的数据进行规范化。我的问题是:当使用Keras‘<e
浏览 0提问于2018-06-04得票数 3
回答已采纳
下面是代码的一个小片段，但是我试图通过训练和测试数据集来理解model.fit的结果，而不是model.evaluate结果。我不知道他们是不匹配，还是我不知道如何阅读结果？Transfer learning code from mobilenetV2/imagenet here to create model
history = model.fitfrom history.history['val_accuracy']
test loss: 0.63
浏览 0提问于2022-04-01得票数 1
='relu'))model.compile(loss='mse', optimizer='adam', metrics='accuracy')
model.fit(X_train, y_train, test=(x_test, y_test), validation=(x_val, y_val), epochs=50) 下面是错误： TypeError: fit() got an unexpected keyword argument
浏览 154提问于2021-04-14得票数 0
1回答
我经常会声明batch_size=64或任何数字，最后看到Keras在整个数据上而不是在批处理上训练我的网络。然后我编辑了很多次，最后完成了第一段代码的工作。data_train=pd.read_csv("train.csv")dt=data_train.drop("label", axis=1)outputs = la
浏览 0提问于2021-04-20得票数 0
回答已采纳
在这个分类任务中，我们可以加载数据并提供x的ndarray。 _ trian，y _ 直接训练到模型中。', metrics=['accuracy'])
model.fit1ms/step - loss: 0.0759 - accuracy: 0.9764 我们也可以使用tf.data.Dataset.from _ 张量 _ 切片以生成BatchDataset并将
浏览 85提问于2021-02-17得票数 3
回答已采纳
我在另一个堆栈溢出答案上读到CPU->GPU传输需要很长时间，我假设这是在参考在GPU上加载数据示例。import tensorflow as tffrom keras.models import Sequential
## Importing the MNIST dataset using <em
浏览 0提问于2017-02-08得票数 14
编辑：
其中，“从Tensorflow 1.9开始，可以将tf.data.Dataset对象直接传递到keras.
浏览 0提问于2019-03-31得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
