Keras 訓練資料差異
在按照官方TensorFlow 指南使用Keras 建立神經網路時，您注意到該模型僅使用儘管有60,000個條目，但訓練期間可用資料集的一部分。
了解批量大小
模型擬合期間顯示的數字 1875 並不表示訓練樣本，而是表示批次數量。 model.fit 方法有一個可選參數，batch_size，它決定訓練期間同時處理的資料點的數量。
如果不指定batch_size，則預設值為 32。在這種情況下，總資料集為60,000 張影像，批次數變為：
60000 / 32 = 1875
因此，雖然有60,000 個資料點，但模型實際上訓練了1875 個批次，每個批次包含32 個數據點。這是減少記憶體佔用並提高訓練速度的常見做法。
調整批次大小
要在訓練期間使用整個資料集而不進行批次大小
要在訓練期間使用整個資料集而不進行批次處理，您可以指定model.fit 方法中的 batch_size 為 60000。但是，這可能會減慢訓練速度並需要更多記憶體。 或者，您可以調整batch_size以在訓練效率和記憶體利用率之間找到折衷方案。例如，您可以將其設定為 1024 或 2048，這仍然會顯著減少批次數量，而不會犧牲太多效能。以上是為什麼我的 Keras 模型僅在資料集的一部分上進行訓練？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
