샘플이 60,000개인데도 Keras가 데이터 세트의 일부에 대해서만 교육하는 이유는 무엇입니까?

제한된 데이터 세트를 사용한 Keras 훈련

Keras를 사용하여 신경망을 훈련하려고 시도하면서 사용 가능한 데이터 세트의 일부만 활용한다는 것을 알게 되었습니다. 60,000개의 샘플에 액세스할 수 있음에도 불구하고 데이터 세트입니다. 공식 TensorFlow 가이드를 따르는 동안 학습 프로세스에 불일치가 나타납니다. 이 글의 목적은 Keras가 이런 방식으로 동작하는 이유를 설명하고 솔루션을 제공하는 것입니다.

부분 데이터 세트 사용의 이유

모델 피팅 중에 발견되는 숫자 "1875"는 훈련 샘플의 수를 나타내지 않습니다. 오히려 배치 수를 나타냅니다. 기본적으로 Keras는 훈련 중에 배치 크기 32를 사용합니다. 60,000개의 샘플이 있는 데이터 세트의 경우 이는 다음과 같습니다.

60,000 / 32 = 1875

따라서 Keras는 데이터 세트를 각각 32개의 샘플을 포함하는 1,875개의 배치로 나눕니다. 결과적으로 각 시대는 전체 데이터세트 대신 1875개의 배치를 반복합니다.

해결책

전체 데이터세트를 활용하려면 배치 크기를 다음과 같이 명시적으로 설정할 수 있습니다. 총 샘플 수:

<code class="python">model.fit(train_images, train_labels, epochs=10, batch_size=60000)</code>

이를 통해 Keras는 데이터 세트 전체에 대해 모델을 훈련하므로 성능이 향상될 수 있습니다.

위 내용은 샘플이 60,000개인데도 Keras가 데이터 세트의 일부에 대해서만 교육하는 이유는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!