这篇文章主要介绍了keras中训练数据的方式有哪些的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇keras中训练数据的方式有哪些文章都会有所收获，下面我们一起来看看吧。Keras训练数据可以采用很多种方式，其中比较常见的三种分别是fit、fit_generator和train_on_batch。第三种和前两种差别比较大，所以本篇文章主要进行fit和fit_generator的对比。train_on_batch函数接受单批数据，执行反向传播，然后更新模型参数，该批数据的大小可以是任意的，即，它不需要提供明确的批量大小，属于精细化免费云主机域名控制训练模型，大部分情况下我们不需要这么精细，99%情况下使用fit_generator训练方式即可，下面会介绍。fit的方式是一次把训练数据全部加载到内存中，然后每次批处理batch_size个数据来更新模型参数，epochs就不用多介绍了。这种训练方式只适合训练数据量比较小的情况下使用。利用Python的生成器，逐个生成数据的batch并进行训练，不占用大量内存，同时生成器与模型将并行执行以提高效率。例如，该函数允许我们在CPU上进行实时的数据提升，同时在GPU上进行模型训练接口如下：generator：生成器函数steps_per_epoch：整数，当生成器返回steps_per_epoch次数据时，计一个epoch结束，执行下一个epoch。也就是一个epoch下执行多少次batch_size。epochs：整数，控制数据迭代的轮数，到了就结束训练。callbacks=None, list，list中的元素为keras.callbacks.Callback对象，在训练过程中会调用list中的回调函数补充：keras.fit_generator()属性及取值通过Python generator产生一批批的数据用于训练模型。generator可以和模型并行运行，例如，可以使用CPU生成批数据同时在GPU上训练模型。generator：一个generator或Sequence实例，为了避免在使用multiprocessing时直接复制数据。steps_per_epoch：从generator产生的步骤的总数（样本批次总数）。通常情况下，应该等于数据集的样本数量除以批量的大小。epochs：整数，在数据集上迭代的总数。works：在使用基于进程的线程时，最多需要启动的进程数量。use_multiprocessing：布尔值。当为True时，使用基于基于过程的线程。关于“keras中训练数据的方式有哪些”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“keras中训练数据的方式有哪些”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注百云主机行业资讯频道。
这篇文章主要介绍“Django显示可视化图表实例分析”，在日常操作中，相信很多人在Djang免费云主机域名o显示可视化图表实例分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Django显示可视化图表实例分析”的疑惑有所帮助！…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
