Keras训练卷积模型时为何未使用全部6万张图像数据集？

你对训练日志的解读存在误差，日志中显示的1875是每轮训练的迭代步数（step数），而非训练样本数量，你的6万张训练数据已经全部参与了每一轮训练，没有遗漏，具体原因如下：

• Keras的model.fit()方法如果不显式指定batch_size参数，默认批大小为32，即每迭代1步会喂入32张图像完成一次梯度更新
• 训练集总样本量为60000，每轮训练的总步数计算公式为：总样本数 ÷ 单批样本数，代入数值计算可得 60000 ÷ 32 = 1875，和日志显示数值完全吻合
• 每轮训练实际参与的样本总量为 步数 × 单批样本数 = 1875 × 32 = 60000，刚好覆盖全部训练数据

你可以手动修改训练代码的batch_size参数验证逻辑，示例调整如下：

model.fit(
    x_train,
    y_train_hot_encode,
    epochs=20,
    validation_data=(x_test, y_test_hot_encode),
    batch_size=64
)

调整后日志中每轮的步数会变为约938（60000÷64≈937.5，向上取整为938），和计算逻辑一致。

内容的提问来源于stack exchange，提问作者Yedidya kfir