函數(shù)原型：

fit(x=None, y=None, batch_size=None, epochs=1, verbose='auto',callbacks=None, validation_split=0.0, validation_data=None, shuffle=True,class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None,validation_steps=None, validation_batch_size=None, validation_freq=1,max_queue_size=10, workers=1, use_multiprocessing=False )

參數(shù)介紹：

fit( x=None, #輸入的x值y=None, #輸入的y標(biāo)簽值batch_size=None, #整數(shù) ，每次梯度更新的樣本數(shù)即批量大小。未指定，默認為32。epochs=1, #迭代次數(shù)verbose=1, #整數(shù)，代表以什么形式來展示日志狀態(tài)callbacks=None, #回調(diào)函數(shù)，這個list中的回調(diào)函數(shù)將會在訓(xùn)練過程中的適當(dāng)時機被調(diào)用，參考回調(diào)函數(shù)validation_split=0.0, #浮點數(shù)0-1之間，用作驗證集的訓(xùn)練數(shù)據(jù)的比例。模型將分出一部分不會被訓(xùn)練的驗證數(shù)據(jù)，并將在每一輪結(jié)束時評估這些驗證數(shù)據(jù)的誤差和任何其他模型指標(biāo)。validation_data=None, #這個參數(shù)會覆蓋 validation_split，即兩個函數(shù)只能存在一個，它的輸入為元組 (x_val，y_val)，這作為驗證數(shù)據(jù)。shuffle=True, #布爾值。是否在每輪迭代之前混洗數(shù)據(jù)class_weight=None,sample_weight=None, initial_epoch=0, steps_per_epoch=None, #一個epoch包含的步數(shù)（每一步是一個batch的數(shù)據(jù)送入），當(dāng)使用如TensorFlow數(shù)據(jù)Tensor之類的輸入張量進行訓(xùn)練時，默認的None代表自動分割，即數(shù)據(jù)集樣本數(shù)/batch樣本數(shù)。validation_steps=None, #在驗證集上的step總數(shù)，僅當(dāng)steps_per_epoch被指定時有用。validation_freq=1, #指使用驗證集實施驗證的頻率。當(dāng)?shù)扔?時代表每個epoch結(jié)束都驗證一次max_queue_size=10,workers=1,use_multiprocessing=False)

總結(jié)

以上是生活随笔為你收集整理的model.fit() 参数详解【TensorFlow2入门手册】的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。