Keras未使用完整数据集训练问题及修复咨询

你是不是看到训练输出里的1875就以为模型只用到了1875条数据？其实这是个常见的误解——1875是训练的step（步数），不是样本数量！

原因解释 #

Keras的model.fit()方法默认使用batch_size=32，也就是每次训练会一次性处理32条样本。你的训练集总共有60000条数据，60000 ÷ 32 = 1875，所以每个epoch会跑完1875个step，每个step处理32条样本，加起来正好是全部60000条数据。

你可以自己验证一下：在代码里加一行print(len(train_images))，会输出60000，再算一下32×1875，结果也是60000，完全对得上。

几个验证/调整方案 #

• 手动指定batch_size：如果想让每个epoch只跑1个step（一次性处理全部数据），可以把batch_size设为60000：

  model.fit(train_images, train_labels, epochs=10, batch_size=60000)
  

  这时候训练输出就会显示1/1，直观看到整个训练集被一次性处理。

• 调整verbose参数：把verbose设为2，训练输出会直接显示总样本数，而不是step数：

  model.fit(train_images, train_labels, epochs=10, verbose=2)
  

  输出会变成这样：

  Epoch 1/10
  60000/60000 - 3s - loss: 0.3183 - accuracy: 0.8866

• 查看训练日志细节：如果用TensorBoard之类的工具，也能看到每个epoch处理的样本总数确实是60000。

所以你的模型训练完全是正常的，只是输出显示的是step数而非样本数而已～

内容的提问来源于stack exchange，提问作者Sabyasachi Bhoi