Keras model.fit()参数详解

Keras官方文档

fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, 
callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, 
class_weight=None, sample_weight=None, initial_epoch=0, 
steps_per_epoch=None, validation_steps=None, validation_freq=1, 
max_queue_size=10, workers=1, use_multiprocessing=False)

• x

• y

• batch_size
  整数
  每次梯度更新的样本数。
  未指定，默认为32

• epochs
  整数
  训练模型迭代次数

• verbose
  日志展示，整数
  0:为不在标准输出流输出日志信息
  1:显示进度条
  2:每个epoch输出一行记录

• callbacks
  其中的元素是keras.callbacks.Callback的对象。这个list中的回调函数将会在训练过程中的适当时机被调用，参考回调函数

• validation_split
  浮点数0-1之间
  用作验证集的训练数据的比例。
  模型将分出一部分不会被训练的验证数据，并将在每一轮结束时评估这些验证数据的误差和任何其他模型指标。
  $验证数据是混洗之前x和y数据的最后一部分样本中。$

• validation_data
  元组 (x_val，y_val) 或元组 (x_val，y_val，val_sample_weights)， 用来评估损失，以及在每轮结束时的任何模型度量指标。
  模型将不会在这个数据上进行训练。
  这个参数会覆盖 validation_split。

• shuffle
  布尔值
  是否在每轮迭代之前混洗数据

• class_weight

• sample_weight

• initial_epoch

• steps_per_Epoch
  一个epoch包含的步数（每一步是一个batch的数据送入），当使用如TensorFlow数据Tensor之类的输入张量进行训练时，默认的None代表自动分割，即数据集样本数/batch样本数。

• validation_steps
  仅当steps_per_epoch被指定时有用，在验证集上的step总数。

• validation_freq

• max_queue_size

• workers
  整数
  最大线程数
  Used for generator or keras.utils.Sequence input only

• use_multiprocessing
  布尔值
  Used for generator or keras.utils.Sequence input only
  知否用多线程

demo

print(y_train.shape)  #   (50000, 10)
50000个数据集
  model.fit(x_train, y_train, batch_size=32, epochs=2, shuffle=True, verbose=1,
              validation_split=0.1)

返回

一个 History 对象。其 History.history 属性是连续 epoch 训练损失和评估值，以及验证集损失和评估值的记录（如果适用）

 print(dir(history ))
 print(history.history)

[‘class’, ‘delattr’, ‘dict’, ‘dir’, ‘doc’, ‘eq’, ‘format’, ‘ge’, ‘getattribute’, ‘gt’, ‘hash’, ‘init’, ‘init_subclass’, ‘le’, ‘lt’, ‘module’, ‘ne’, ‘new’, ‘reduce’, ‘reduce_ex’, ‘repr’, ‘setattr’, ‘sizeof’, ‘str’, ‘subclasshook’, ‘weakref’, ‘epoch’, ‘history’, ‘model’, ‘on_batch_begin’, ‘on_batch_end’, ‘on_epoch_begin’, ‘on_epoch_end’, ‘on_predict_batch_begin’, ‘on_predict_batch_end’, ‘on_predict_begin’, ‘on_predict_end’, ‘on_test_batch_begin’, ‘on_test_batch_end’, ‘on_test_begin’, ‘on_test_end’, ‘on_train_batch_begin’, ‘on_train_batch_end’, ‘on_train_begin’, ‘on_train_end’, ‘params’, ‘set_model’, ‘set_params’, ‘validation_data’]

{‘val_loss’: [2.095771548461914, 1.9237295974731445], ‘val_accuracy’: [0.21889999508857727, 0.29760000109672546], ‘loss’: [2.2294568004608153, 1.9951313903808594], ‘accuracy’: [0.1602, 0.2692]}

解释

• loss
  训练集的loss
• val_loss
  测试集的loss