e关于Train和eval的epoch为什么不同

来源：5-4 keras_to_estimator

weixin_慕勒7004644

2021-01-06

train_dataset的epoch=100，也就是repeat了100次，计算了100次的loss,为什么eval_dataset的epoch=1，最后也计算了了100次的loss呢?

train_dataset = make_dataset(train_df, y_train, epochs = 100)
eval_dataset = make_dataset(eval_df, y_eval, epochs = 1, shuffle = False)
history = model.fit(train_dataset,
                    validation_data = eval_dataset,
                    steps_per_epoch = 19,
                    validation_steps = 8,
                    epochs = 100)

Epoch 100/100
19/19 [==============================] - 0s 6ms/step - loss: 0.4574 - accuracy: 0.8076 - val_loss: 0.4831 - val_accuracy: 0.7617

写回答

1回答

正十七

2021-01-07

已采纳

因为对于eval_dataset，逻辑是在每次训练的epoch结尾时，进行一次eval，此时eval需要遍历数据集一遍，也就是epoch=1的概念。然后在每个epoch结束的时候，eval_dataset会被重置，所以下次又可以使用了。

weixin_慕勒7004644

明白啦，太谢谢老师的解答啦，喜欢您的课程！

2021-01-07

共1条回复

Google老师亲授 TensorFlow2.0 入门到进阶

Tensorflow2.0实战—以实战促理论的方式学习深度学习

1849 学习 · 896 问题

查看课程

相似问题

batch和epoch

回答 1

目前在官网没有看到2.2里没有看到train接口

回答 1

加入bn层的问题

回答 1

train函数的steps参数怎么设定？

回答 1

为什么validation的accuracy比train的要高

回答 1

打开慕课网App查看更多内容