Keras模型在輸入數(shù)據(jù)和標(biāo)簽的Numpy矩陣上進(jìn)行訓(xùn)練。為了訓(xùn)練一個(gè)模型，你通常會(huì)使用fit函數(shù)。文檔詳見此處。

fit(self,x,y,batch_size=32,epochs=10,verbose=1,callbacks=None,

validation_split=0.0,validation_data=None,shuffle=True,

class_weight=None,sample_weight=None,initial_epoch=0)

本函數(shù)將模型訓(xùn)練nb_epoch輪，其參數(shù)有：

x：輸入數(shù)據(jù)，如果模型只有一個(gè)輸入，那么x的類型是numpyarray，如果模型有多個(gè)輸入，那么x的類型應(yīng)當(dāng)是list，list的元素是對(duì)應(yīng)于各個(gè)輸入的numpyarray

y：標(biāo)簽，numpyarray

batch_size：整數(shù)，指定進(jìn)行梯度下降時(shí)每個(gè)batch包含的樣本數(shù)，訓(xùn)練時(shí)一個(gè)batch的樣本會(huì)被計(jì)算一次梯度下降，使目標(biāo)函數(shù)優(yōu)化一步。

epochs：整數(shù)，訓(xùn)練的輪數(shù)，每個(gè)epoch會(huì)把訓(xùn)練集輪一遍。

verbose：日志顯示，0為不在標(biāo)準(zhǔn)輸出流輸出日志信息，1為輸出進(jìn)度條記錄，2為每個(gè)epoch輸出一行記錄

callbacks：list,，其中的元素是keras.callbacks.Callback的對(duì)象。這個(gè)list中的回調(diào)函數(shù)將會(huì)在訓(xùn)練過程中的適當(dāng)時(shí)機(jī)被調(diào)用，參考回調(diào)函數(shù)。

validation_split：0~1之間的浮點(diǎn)數(shù)，用來指定訓(xùn)練集的一定比例數(shù)據(jù)作為驗(yàn)證集。驗(yàn)證集將不參與訓(xùn)練，并在每個(gè)epoch結(jié)束后測(cè)試的模型的指標(biāo)，如損失函數(shù)，精確度等。注意，validation_split的劃分在shuffle之前，因此如果你的數(shù)據(jù)本身是有序的，需要先手工打亂再指定validation_split，否則可能會(huì)出現(xiàn)驗(yàn)證集樣本不均勻。

validation_data：形式為(X，y)的tuple，是指定的驗(yàn)證集，此參數(shù)將覆蓋validation_spilt。

shuffle：布爾值或者字符串，一般為布爾值，表示是否在訓(xùn)練過程中隨機(jī)打亂輸入樣本的順序。若為字符串“batch”，則用來處理HDF5數(shù)據(jù)大特殊情況，它將在batch內(nèi)部將數(shù)據(jù)打亂。

class_weight：字典，將不同的類別映射為不同的權(quán)重，該參數(shù)用來訓(xùn)練過程中調(diào)整損失函數(shù)(只能用于訓(xùn)練)

sample_weight：權(quán)值的numpyarray，用于在訓(xùn)練時(shí)調(diào)整損失(僅用于訓(xùn)練)。

可以傳遞一個(gè)1D的與樣本等長(zhǎng)的向量用于對(duì)樣本進(jìn)行1對(duì)1的加權(quán)，或者在面對(duì)時(shí)序數(shù)據(jù)時(shí)，傳遞一個(gè)的形式為(samples，sequence_length)的矩陣來為每個(gè)時(shí)間步上的樣本賦不同的權(quán)。這種情況下請(qǐng)確定在編譯模型時(shí)添加了sample_weight_mode=‘temporal’。

initial_epoch：從該參數(shù)指定的epoch開始訓(xùn)練，在繼續(xù)之前的訓(xùn)練時(shí)候有用。

fit函數(shù)返回一個(gè)History的對(duì)象，其History.history屬性記錄了損失函數(shù)和其他指標(biāo)的數(shù)值隨著epoch變化的情況，如果有驗(yàn)證集的話，也包含了驗(yàn)證集的這些指標(biāo)變化情況。

以上內(nèi)容為大家介紹了python的keras訓(xùn)練，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。