我正在学习这个强化学习教程 到目前为止真的很棒,但是有人可以解释一下吗
newQ = model.predict(new_state.reshape(1,64), batch_size=1)
和
model.fit(X_train, y_train, batch_size=batchSize, nb_epoch=1, verbose=1)
是什么意思?
参数
bach_size
、nb_epoch
和 verbose
的作用是什么?
我知道神经网络,所以用它来解释会很有帮助。
您还可以向我发送一个链接,在其中可以找到这些函数的文档。
首先令我惊讶的是你找不到文档,但我猜你在搜索时运气不好。
model.fit
:
fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)
:整数。每次梯度更新的样本数。batch_size
:整数,迭代训练数据数组的次数。nb_epoch
:0、1 或 2。详细模式。 0 = 静默,1 = 详细,2 = 每个时期一个日志行。verbose
batch_size
情况下的model.predict
参数只是用于每个预测步骤的样本数量。因此,调用 model.predict
一次会消耗 batch_size
个数据样本。这有助于能够快速处理大型矩阵的设备(例如 GPU)。
以下是 fit() 和 Predict() 方法的定义。
fit()方法以训练数据为参数,在无监督学习的情况下可以是一个数组,在监督学习的情况下可以是两个数组
本质上,predict() 将为每个测试实例执行预测,它通常只接受单个输入 (X)