Keras 如何真正通过 epoch 拟合模型

Question

我对 Keras 如何拟合模型有点​​困惑。通常，只需使用 model.fit(...) 即可拟合 Keras 模型，如下所示：

model.fit(X_train, y_train, epochs=300, batch_size=64, validation_data=(X_test, y_test))

我的问题是：因为我通过参数validation_data=(X_test, y_test) 陈述了测试数据，是否意味着每个时期都是独立的？换句话说，我知道在每个 epoch，Keras 使用训练数据训练模型（在被洗牌之后），然后使用提供的 validation_data 测试训练的模型。如果是这样的话，那么无论我选择多少个epoch，我都只取最后一个epoch的结果！！

如果这种情况是正确的，那么我们是否需要多个 epoch？除非这些 epoch 是相互依赖的，否则每个 epoch 使用与前一个 epoch 相同的 NN 权重，对吗？

谢谢

Answer 1

当 Keras 适合您的模型时，它会通过与您的 batch_size 相对应的步骤在每个时期传递所有数据集。
例如，如果您有一个包含 1000 个项目且 batch_size 为 8 的数据集，那么您的模型的权重将通过使用 8 个项目来更新，直到它看到您的所有数据集为止。

在该时期结束时，模型将尝试对您的验证集进行预测。
如果我们只做了一个 epoch，这意味着模型的权重每个元素只更新一次（因为它只“看到”了整个数据集的一次）。
但是为了最小化损失函数并通过反向传播，我们需要多次更新这些权重以达到最佳损失，因此多次遍历所有数据集，换句话说，多个 epoch。

我希望我很清楚，请问您是否需要更多信息。