我的训练数据有10680个样本,我已经设定了这样的拟合度:
model.fit(X, y, batch_size=32, epochs=5, verbose=1, validation_split=0.1)
这意味着它应该使用90%的时间来训练(9612个样本),而另外10%的时间来检查,对吧?
但是当我尝试运行它时,显示的纪元是:
Epoch 1/5
301/301 [==============================] - 25s 85ms/step - loss: nan - accuracy: 0.4999 - val_loss: nan - val_accuracy: 0
仅使用301个样本进行拟合。
我在做什么错或在这里没看到?
我知道这是不对的,因为它只能工作一次(使用9612个样本)。
这是模型:
keras.utils.normalize(X)
model = Sequential()
model.add(Conv2D(128, (3,3), input_shape = X.shape[1:]))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(128, (3,3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten()) # Converts 3D feature maps to 1D feature vectors
model.add(Dense(128, kernel_regularizer= tf.keras.regularizers.l2(5e-5)))
model.add(Activation("relu"))
model.add(Dense(1, kernel_regularizer=tf.keras.regularizers.l2(5e-5)))
model.add(Activation("sigmoid"))
sgd = tf.keras.optimizers.SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss="binary_crossentropy",
optimizer=sgd,
metrics=['accuracy'])
model.summary()
我认为这里的301表示批次数,因此,由于您具有9612数据并设置了batch_size=32
,因此预期批次数为9612 / 32 = 300.375 -> 301