在Keras模型中,如果样本大小不能被批量大小整除怎么办?

嗨,伙计们,我找到了答案。 如果是这样的话,它会把剩下的10个样本带到新纪元的最后一步。

如: 15x66+10=1000 这意味着它将需要66批15号,最后的步骤只需要10个。

不管怎样,这只适用于 input_shape ,如果我们使用 batch_input_shape 它会给我们一个错误,因为我们在图形级别指定批处理形状。

这对您的培训和验证数据没有问题。发电机会处理这个的。因此,您可以简单地使用:

STEPS = train_generator.n // train_generator.batch_size
VALID_STEPS = validation_generator.n // train_generator.batch_size

history = model.fit_generator(
    train_generator,
    steps_per_epoch=STEPS,
    epochs=100,
    validation_data=validation_generator,
    validation_steps=VALID_STEPS)

但是,对于您的测试集,请确保批处理大小适合数据,否则在比较两者时,您的预测可能与真实标签不匹配(请查看本文,其中重点介绍了 https://medium.com/difference-engine-ai/keras-a-thing-you-should-know-about-keras-if-you-plan-to-train-a-deep-learning-model-on-a-large-fdd63ce66bd2 )您可以使用循环来确保批处理大小适合您的数据,例如:

for i in range(1,160):
    if len(test_data) % i == 0:
        div = i
batch_size = div