model.predict() 和 model.fit() 做什么？

Question

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。

Answer 1

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。

文档说明了

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)

• batch_size

  ：整数。每次梯度更新的样本数。

• nb_epoch

  ：整数，迭代训练数据数组的次数。

• verbose

  ：0、1 或 2。详细模式。 0 = 静默，1 = 详细，2 = 每个时期一个日志行。

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）。

Answer 2

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)