26 我开始使用Keras学习CNN。我正在使用theano后端。 我不明白如何将值设置为： batch_size， 每个时代的步骤， 验证步骤。 batch_size如果我在训练集中有240,000个样本，在测试集中有80,000个，应将设置为，每个时期的步长和验证步骤的值是多少？ machine-learning keras cnn — 埃尔梅内 source 您的硬件规格是什么？这取决于一般人使用的批处理大小为32/64，以10〜15为周期，然后您可以从上述每个周期计算步骤 — 。– Aditya，
28 batch_size确定每个迷你批次中的样品数量。它的最大值是所有样本的数量，这使得梯度下降准确无误，如果学习速率足够小，则损耗将减少至最小值，但迭代速度会较慢。其最小值为1，导致随机梯度下降：快，但是梯度阶跃的方向仅基于一个示例，损耗可能会跳跃。batch_size允许在两个极端之间进行调整：准确的渐变方向和快速迭代。此外，如果您的模型+数据集不适合可用（GPU）内存，则batch_size的最大值可能会受到限制。 steps_per_epoch在训练纪元被视为完成之前的批量迭代次数。如果您有固定大小的训练集，则可以忽略它，但是如果您有庞大的数据集或正在动态生成随机数据扩充，即训练集具有（生成的）无限大小，这可能会很有用。如果您有时间查看整个训练数据集，建议您跳过此参数。 validation_steps类似steps_per_epoch但在验证数据，而不是设置在训练数据。如果您有时间检查整个验证数据集，建议跳过此参数。 — 西尔皮翁 source “跳过此参数”是什么意思？当我删除参数我得到When using data tensors as input to a model, you should specify the steps_per_epoch argument。 — Nicolas Raoul 根据文档，方法fit的参数steps_per_epoch具有默认值，因此应该是可选的：“默认值None等于数据集中的样本数量除以批量大小；如果无法确定，则为1。” 资料来源：keras.io/models/model — Silpion
1 在Github中有一个答案 model.fit_generator 需要输入数据集生成器无限运行。 steps_per_epoch通过调用生成器steps_per_epoch时间用于一次生成整个数据集 而epochs给出在整个数据集中训练模型的次数。 — 洪成 source