Python 如何循环使用Keras拟合函数？

为了避免写这封信500次：

model.fit(
      x[i],
      y[i],
      batch_size=batch,
      epochs=epochs,
      validation_split=0.05)

我想通过我拟合的数据集的数量来循环这个过程。但是，当我这样做时，first fit的指标如下所示：

loss: nan - acc: 7.4635e-04 - val_loss: nan - val_acc: 0.0000e+00

每次运行后，其指标为：

loss: nan - acc: 0.0000e+00 - val_loss: nan - val_acc: 0.0000e+00

现在我不认为

val_loss

和

val_acc

为0和nan是好的，但至少有

acc

但是在第一次拟合之后，所有指标基本上都是空的

编辑：

这是我格式化数据的代码

x[i]

是所有数据，其中

x[0]

将是第一个完整的数据集

    x_train = [None] * len(os.listdir('/'))
    y_train = [None] * len(os.listdir('/'))
    x_test = [None] * len(os.listdir('/'))
    y_test = [None] * len(os.listdir('/'))


def format_data(data, seq_len, normalise_window):
    sequence_length = seq_len + 1
    result = []
    for index in range(len(data) - sequence_length):
        result.append(data[index: index + sequence_length])

    if normalise_window:
        result = normalise_windows(result)

    result = np.array(result)


    row = round(0.85 * result.shape[0])
    train = result[:int(row), :]
    np.random.shuffle(train)
    x_train = train[:, :-1]
    y_train = train[:, -1]
    x_test = result[int(row):, :-1]
    y_test = result[int(row):, -1]

    x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], 1))
    x_test = np.reshape(x_test, (x_test.shape[0], x_test.shape[1], 1))

    return [x_train, y_train, x_test, y_test]

for i, filename in enumerate(os.listdir('/directory')):
        try:
          print"starting file :",filename
          data = pd.read_csv('directory/{0}'.format(filename), index_col=0, header=0)
          data['open'].replace('nan',np.nan)
          data.dropna()
          new = data['open'].tolist()


          x_train[i], y_train[i], x_test[i], y_test[i] = format_data(new, seq_len, True)
        except:
          pass

for i in range(len(x_train)):
        print"starting fit :",i,"of length",len(x_train)

        try:
          model.fit(
            x_train[i],
            y_train[i],
            batch_size=batch,
            epochs=epochs,
            validation_split=0.05)
        except:
          pass

---

如何实现我要做的事情？

尝试删除for块并插入此代码

model.fit(
        x_train,
        y_train,
        batch_size=batch,
        epochs=epochs,
        validation_split=0.05)

我希望这对你有帮助。

---

我猜“nan”表示损失和val_损失，因为你要向模型传递一个值，请尝试传递张量本身（希望你能在损失n val_损失中得到一些值）。

为什么要尝试在拟合函数上循环？

x

的类型是什么？

nan

丢失可能发生在很多事情上，包括您的数据、模型、激活、目标数据以及您预处理的方式。如果您只适合

x[0]

和

y[0]

，是否会发生这种情况？@ZiyadEdher x是一个顺序数据集。我想循环它，这样我就不必复制和粘贴fit函数的500个。@nuric第一次（

x[0]

）它给了我这些度量<代码>损失：nan-附件：7.4635e-04-val_损失：nan-val_附件：0.0000e+00如Op中所述

x[0]

代表什么？第一个数据点或数据点列表？因此我在OP中添加了大量代码，

x[I]

不是一个单一的值，它应该是（至少在我目前的理解中）一整套数据。代码中的第一个for循环显示了如何用数据填充

x

。当我删除

try:except:

时，它仍然存在相同的问题。我无法理解你的数据，因为它不在我身边，keras以张量的形式获取整个数据。对于y[]来说，我已经完成了OHE（一个热编码）