iteration:每一次迭代(iteration)从上一次迭代的结尾开始往后采集batchsize个数据
epoch:在 训练数据总数目/batchsize 次iteration之后,所有训练数据都已经被过了一遍,此时为1个epoch,假如我们定义了epoch为2,那么1个epoch完成后我们会对上一次的训练数据shuffle,继续去iteration,直到 训练数据总数目/batchsize 次iteration之后,两轮epoch完成
validation_data:
model.valuate:按顺序分别返回你所设定的loss和metrics(评价指标)
model.predict:
二分类:某物体是A或是B的概率,是或不是的概率,一般用sigmoid,比如评论为正面或负面
多分类:比如某段新闻的主题划分,一般用softmax表示各个主题的概率
技巧:
verbose:
在model.fit中evaluate
直接在fit过程中顺便执行evaluate的功能:
第一张图是手动的且只在fit完成后执行
第二张图则是每轮epoch都会自动执行一次evaluate,并且会返回一个字典,里面装着每一轮epoch的对应loss和matric,
按照上面这段代码all_mae_histories的形状是4行500列,如下图所示