python - model.predict() 和 model.fit() 有什么作用？

Question

我正在浏览 this reinforcement learning tutorial 到目前为止它真的很棒但是有人可以解释一下

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

和

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

是什么意思？

参数 bach_size、nb_epoch 和 verbose 有什么作用？ 我了解神经网络，所以用它来解释会很有帮助。

您也可以向我发送一个链接，其中可以找到这些函数的文档。

Answer 1

首先令我惊讶的是你找不到 documentation但我猜你只是在搜索时运气不好。

model.fit 的文档说明:

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. Number of samples per gradient update.
• nb_epoch: integer, the number of times to iterate over the training data arrays.
• verbose: 0, 1, or 2. Verbosity mode. 0 = silent, 1 = verbose, 2 = one log line per epoch.

在 model.predict 的情况下，batch_size 参数只是用于每个预测步骤的样本数。因此调用一次 model.predict 会消耗 batch_size 个数据样本。这有助于快速处理大型矩阵的设备(例如 GPU)。