Python sequential model.fit（）调用的最终历史对象是否准确？
我有几个单独的训练数据集，当读作一个时，它会使jupyter中的内核崩溃。所以我做了一个变通方法，按顺序分别读取它们，并对同一个模型对象调用fit（）Python sequential model.fit（）调用的最终历史对象是否准确？,python,tensorflow,keras,neural-network,Python,Tensorflow,Keras,Neural Network,我有几个单独的训练数据集，当读作一个时，它会使jupyter中的内核崩溃。所以我做了一个变通方法，按顺序分别读取它们，并对同一个模型对象调用fit（） 为了获得准确度指标，我只获取最终的历史对象，但这是否也表示所有以前的fit（）-调用？默认情况下，每次调用fit时，历史记录都初始化为回调。除非你提供一些替代方案，否则这是不可能的。一种方法是将模型的历史记录作为回调从一个fit（）调用传递到下一个fit（）： model.fit(x, y, batch_size, epochs, callbac
为了获得准确度指标，我只获取最终的历史对象，但这是否也表示所有以前的fit（）-调用？默认情况下，每次调用fit时，历史记录都初始化为回调。除非你提供一些替代方案，否则这是不可能的。一种方法是将模型的
历史记录作为回调从一个fit（）
调用传递到下一个fit（）
：
model.fit(x, y, batch_size, epochs, callbacks=[model.history])
通过这种方式，新值将附加到以前累积的值中，因此您可以在多次运行fit（）
时获得统计信息
如果您需要更特殊的内容，请保存并处理每个fit中的历史记录
对象，或者使用内存编写自定义回调。结果看起来合理。虽然在keras纪录片中找不到。谢谢！它位于model.fit（）的源代码中。如果未提供回调-将初始化包含历史记录的新回调列表。