Keras 没有对整个数据集进行训练

问题描述：

因此，我一直在遵循 Google 的官方 tensorflow 指南，并尝试使用 Keras 构建一个简单的神经网络。但是在训练模型时，它不会使用整个数据集（包含 60000 个条目），而是仅使用 1875 个条目进行训练。有什么可能的解决方法吗？

import tensorflow as tf
from tensorflow import keras
import numpy as np

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

train_images = train_images / 255.0
test_images = test_images / 255.0

class_names = ['T-shirt', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle Boot']

model = keras.Sequential([
                          keras.layers.Flatten(input_shape=(28, 28)),
                          keras.layers.Dense(128, activation='relu'), 
                          keras.layers.Dense(10)
])

model.compile(optimizer='adam',
              loss= tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=10)

输出：

Epoch 1/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3183 - accuracy: 0.8866
Epoch 2/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3169 - accuracy: 0.8873
Epoch 3/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3144 - accuracy: 0.8885
Epoch 4/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3130 - accuracy: 0.8885
Epoch 5/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3110 - accuracy: 0.8883
Epoch 6/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3090 - accuracy: 0.8888
Epoch 7/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3073 - accuracy: 0.8895
Epoch 8/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3057 - accuracy: 0.8900
Epoch 9/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3040 - accuracy: 0.8905
Epoch 10/10
1875/1875 [==============================] - 3s 2ms/step - loss: 0.3025 - accuracy: 0.8915

<tensorflow.python.keras.callbacks.History at 0x7fbe0e5aebe0>

这是我一直在研究这个问题的原始 google colab 笔记本： https: //colab.research.google.com/drive/1NdtzXHEpiNnelcMaJeEm6zmp34JMcN38

解决方案 1：

1875拟合模型时显示的数字不是训练样本的数量，而是批次的数量。

model.fit包括一个可选参数batch_size，根据文档：

如果未指定，batch_size则默认为 32。

因此，这里发生的情况是 - 您使用默认的批次大小 32（因为您没有指定任何不同的东西），因此您的数据的总批次数是

60000/32 = 1875

解决方案 2：

它没有对 1875 个样本进行训练。

Epoch 1/10
1875/1875 [===

1875 这里是步数，不是样本数。在fit方法中，有一个参数，batch_size。它的默认值是32。所以1875*32=60000。实现是正确的。

如果你用 来训练它batch_size=16，你会看到步数将是3750而不是1875，因为60000/16=3750。

解决方案 3：

如果您希望整个 60000 个数据样本可见，只需使用 batch_size = 1。