Python 更新到tensorflow 2.0：keras中的纪元概念

我之前在tensorflow中使用了Estimator API，并使用了“max_steps”，这是在培训期间看到的批次数。 我的数据集是完全合成和无限的，每次都会动态生成一批全新的图像。 新的kerasapi使用了“epochs”的概念，它对应于一个数据集的整个过程。如何在keras“fit”函数中设置“steps_per_epoch”和“initial_epoch”以及“epoch”，以便在我的情况下有意义

---

谢谢

以下是正确使用KERA所需了解和理解的常见定义：

---

示例：数据集的一个元素

批次：一组N个样品

历代：所有样本的训练次数

每_历元的步数：此处的步数等于分割的批次数。在里面 另外，值得一提的是批量大小= 批次号，批次大小是一个步骤的样本号

回答您的补充意见：

---

keras模型不关心样本长度。例如，模型可以接收类似（无、w、h、c）形状的输入张量。0轴的“无”是您关心但不需要关心的#样本的问题

因此无需指定keras中输入张量的样本大小。

此外，样本数据采集过程可以是动态的，但用于分析的样本始终是固定的。您需要划分开发集和测试集。新采集的样本应在一定时间段内（如一周或一个月）添加到开发集和测试集，并需要确保采集的样本满足相同的分布

---

阅读相关内容可能会对您有所帮助。

在

model.fit（）

函数中，还有一个具有此确切名称的参数，

steps\u per\u epoch

，用于定义与一个epoch相等的步数。假设当批量大小为

8

时，您希望每_epoch=4步执行

steps，意思是
4x8=32
。32这意味着模型现在将看到数据集中的32个样本

还有一个
initial\u epoch
参数，它的功能与名称完全相同

epochs
也存在于
中。fit（）
将获取所需的epochs总数。假设你想训练10个历元，那么对于每个历元，模型将看到32个图像样本，在第10个历元之后，它将
10x32=320

所有这些函数都已定义。
可以，但我的示例中没有“所有示例”的编号。这个数据集没有尽头。训练时间有限。因此，即使您的数据集是动态生成的，您也必须决定在一个历元中包含多少批次以及在培训中包含多少历元。这两个数字有多大取决于你自己、你的耐心和你的计算能力。