我在 Keras 中正确理解了 batch_size 吗？答案

【问题标题】：Do I understand batch_size correctly in Keras?我在 Keras 中正确理解了 batch_size 吗？
【发布时间】：2019-08-08 07:15:45
【问题描述】：

我正在使用 Keras 的内置 inception_resnet_v2 来训练 CNN 来识别图像。在训练模型时，我有一个 numpy 数据数组作为输入，输入形状为 (1000, 299, 299, 3)，

 model.fit(x=X, y=Y, batch_size=16, ...) # Output shape `Y` is (1000, 6), for 6 classes

起初，在尝试预测时，我传入了一个形状为 (299, 299, 3) 的图像，但得到了错误

ValueError: 检查输入时出错：预期 input_1 有 4 个维度，但得到的数组的形状为 (299, 299, 3)

我重塑了我的输入：

x = np.reshape(x, ((1, 299, 299, 3)))

现在，当我预测时，

y = model.predict(x, batch_size=1, verbose=0)

我没有收到错误消息。

我想确保我在训练和预测中都能正确理解batch_size。我的假设是：

1) 使用model.fit，Keras 从输入数组中获取batch_size 元素（在这种情况下，它一次处理我的 1000 个示例 16 个样本）

2) 使用model.predict，我应该将输入重新整形为单个 3D 数组，并且我应该将 batch_size 显式设置为 1。

这些假设是否正确？

另外，向模型提供训练数据是否会更好（甚至可能），这样就不需要在预测之前进行这种重塑？感谢您帮助我了解这一点。

【问题讨论】：

【解决方案1】：

不，你的想法错了。 batch_size 指定一次通过网络“转发”多少数据示例（通常使用 GPU）。

默认情况下，该值在model.predict 方法中设置为32，但您可以另外指定（就像您对batch_size=1 所做的那样）。由于这个默认值，你得到了一个错误：

ValueError：检查输入时出错：预期 input_1 有 4 尺寸，但得到了形状为 (299, 299, 3) 的数组

您不应该以这种方式重塑您的输入，而是为它提供正确的批量大小。

说，对于默认情况，您将传递一个形状为(32, 299, 299, 3) 的数组，类似于不同的batch_size，例如对于batch_size=64，此函数需要您传递形状为(64, 299, 299, 3 的输入。

编辑：

您似乎需要将您的单个样本重新整形为一批。我建议您使用np.expand_dims 来提高代码的可读性和可移植性，如下所示：

y = model.predict(np.expand_dims(x, axis=0), batch_size=1)

【讨论】：

谢谢——我差不多明白了，但你是说因为我用形状（1000、299、299、3）训练了我的网络，它期望model.predict 的批量大小为 1000？由于我一次只预测一张图像，我应该使用不同的model.fit batch_size 1 重新训练吗？
否，默认情况下，它期望批量大小为32。它与训练的批量模型无关。只需指定batch_size 等于1，在您的predict 方法中，根据我收集到的信息，不幸的是，您需要执行重塑。
更新了我的答案，现在应该没问题了，抱歉打扰了。