Python keras中fit()函数的参数类型是什么?
根据文件:Python keras中fit()函数的参数类型是什么?,python,arrays,numpy,keras,Python,Arrays,Numpy,Keras,根据文件: fit(x=None, y=None, batch_size=None, epochs=1, ...) fit函数的参数是numpy数组: 论据 x:Numpy训练数据数组(如果模型有单个输入),或 Numpy阵列列表(如果模型有多个输入)。如果输入 模型中的图层已命名,您还可以传递字典映射 向Numpy数组输入名称。如果从馈送,则x可以为无(默认值) 框架本机张量(例如TensorFlow数据张量) y:目标(标签)数据的Numpy数组(如果模型具有单个 输出),或Numpy数组
fit(x=None, y=None, batch_size=None, epochs=1, ...)
fit函数的参数是numpy数组:
论据
x:Numpy训练数据数组(如果模型有单个输入),或
Numpy阵列列表(如果模型有多个输入)。如果输入
模型中的图层已命名,您还可以传递字典映射
向Numpy数组输入名称。如果从馈送,则x可以为无(默认值)
框架本机张量(例如TensorFlow数据张量)
y:目标(标签)数据的Numpy数组(如果模型具有单个
输出),或Numpy数组列表(如果模型有多个输出)。
如果命名了模型中的输出层,还可以传递
将输出名称映射到Numpy数组的字典。y可以是零
(默认)如果从框架本机张量馈送(例如TensorFlow
数据张量)
但是我可以将x
和y
作为数据帧和序列传递
print(type(x_train))
print(type(y_train))
输出:
<class 'pandas.core.frame.DataFrame'>
<class 'pandas.core.series.Series'>
这个很好用。为什么会这样?事实上,Keras源代码通过标准化以下文件中的输入数据涵盖了这种情况:
\u standarized\u user\u data
方法调用standarize\u input\u data
函数,该函数使用中的DataFrame.values
属性将DataFrame转换为Numpy数组:
对于系列
,这一点在标准化单数组
函数中更为含蓄:
事实上,Keras源代码中已通过标准化以下文件中的输入数据涵盖了此情况:
\u standarized\u user\u data
方法调用standarize\u input\u data
函数,该函数使用中的DataFrame.values
属性将DataFrame转换为Numpy数组:
对于系列
,这一点在标准化单数组
函数中更为含蓄:
因为作者很聪明,添加了这个功能
pandas
使用numpy
因此很容易将数据帧转换为数组-df。as_matrix()
谢谢,我们可以查看源代码来查看吗?只是好奇,因为文档没有说什么。因为作者很聪明,添加了这个功能pandas
使用numpy
因此很容易将数据帧转换为数组-df。as_matrix()
谢谢,我们可以查看源代码来查看吗?只是好奇,因为文档里什么都没说。谢谢,熊猫系列也一样?谢谢,熊猫系列也一样?
model.fit(x_train, y_train, ..)
# Case 2: Symbolic tensors or Numpy array-like.
x, y, sample_weights = self._standardize_user_data(
x, y,
sample_weight=sample_weight,
class_weight=class_weight,
batch_size=batch_size)
data = data.values if data.__class__.__name__ == 'DataFrame' else data
elif x.ndim == 1:
x = np.expand_dims(x, 1)