Was machen model.predict() und model.fit()? bisher wirklich große

Question

Ich werde durch this reinforcement learning tutorial und Es war aber könnte jemand bitte erklären, was

newQ = model.predict(new_state.reshape(1,64), batch_size=1) 

und

model.fit(X_train, y_train, batch_size=batchSize, nb_epoch=1, verbose=1) 

bedeuten? Wie lauten die Argumente bach_size, nb_epoch und verbose? Ich kenne neuronale Netzwerke, also wäre das Erklären hilfreich.

Sie könnten mir auch einen Link schicken, wo die Dokumentation dieser Funktionen gefunden werden kann.

Answer 1

Zunächst überrascht mich, dass Sie die documentation nicht finden konnten, aber ich denke, Sie hatten nur Pech beim Suchen.

In der Dokumentation für model.fit:

fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)

• batch_size: integer. Anzahl der Abtastungen pro Gradientenaktualisierung
• nb_epoch: Ganzzahl, die Anzahl der Wiederholungen der Trainingsdatenfelder.
• verbose: 0, 1 oder 2. Ausführlichkeitsmodus. 0 = still, 1 = ausführlich, 2 = eine Protokollzeile pro Epoche.

Der batch_size Parameter im Fall von model.predict ist nur die Anzahl von Abtastungen für jeden Vorhersageschritt verwendet. So ruft model.predict einmal verbraucht batch_size Anzahl der Datenproben. Dies hilft bei Geräten, die große Matrizen schnell verarbeiten können (z. B. GPUs).