Блог

Вот мой подходящий метод

 history = model.fit(
    x_train,
    y_train,
    batch_size=64,
    epochs=2,
    # We pass some validation for
    # monitoring validation loss and metrics
    # at the end of each epoch
    validation_data=(x_val, y_val),
)



 Fit model on training data
Epoch 1/2
782/782 [==============================] - 1s 1ms/step - loss: 0.5879 - sparse_categorical_accuracy: 0.8403 - val_loss: 0.1954 - val_sparse_categorical_accuracy: 0.9453
Epoch 2/2
782/782 [==============================] - 1s 824us/step - loss: 0.1732 - sparse_categorical_accuracy: 0.9496 - val_loss: 0.1287 - val_sparse_categorical_accuracy: 0.9618
 

Вот что такое 782? вы можете видеть, что после эпохи 2/2 есть 782/782. я хотел бы знать, что это за число (782)

782 — это общее количество пакетов, обработанных в каждую эпоху. По мере обучения вашей модели вы можете видеть, что счетчик пакетов растет с 0 до 782. По-видимому, размер вашего набора данных составляет около 50000. Когда вы делите 50 тысяч на 64 (размер пакета), вы получаете чуть меньше 782. Это означает, что размер последней партии будет меньше 64.