Discrepancia de datos de entrenamiento de Keras

Mientras seguías la guía oficial de TensorFlow para construir una red neuronal con Keras, notaste que el modelo usa solo un parte del conjunto de datos disponible durante el entrenamiento, a pesar de tener 60 000 entradas.

Comprensión del lote Tamaño

El número 1875 que se muestra durante el ajuste del modelo no es una indicación de las muestras de entrenamiento sino más bien el número de lotes. El método model.fit tiene un argumento opcional, tamaño_lote, que determina la cantidad de puntos de datos que se procesan simultáneamente durante el entrenamiento.

Si no especifica un tamaño_lote, el valor predeterminado es 32. En este caso, con un conjunto de datos total de 60.000 imágenes, el número de lotes es:

60000 / 32 = 1875

Por lo tanto, aunque tiene 60.000 puntos de datos, el modelo en realidad se entrena en 1875 lotes, cada lote contiene 32 puntos de datos. Esta es una práctica común para reducir el uso de memoria y mejorar la velocidad del entrenamiento.

Ajustar el tamaño del lote

Para usar todo el conjunto de datos durante el entrenamiento sin procesamiento por lotes, puede especificar un tamaño de lote de 60000 en el método model.fit. Sin embargo, esto puede potencialmente ralentizar el entrenamiento y requerir más memoria.

Como alternativa, puedes ajustar el tamaño del lote para encontrar un equilibrio entre la eficiencia del entrenamiento y la utilización de la memoria. Por ejemplo, podría configurarlo en 1024 o 2048, lo que aún reduciría significativamente la cantidad de lotes sin sacrificar demasiado el rendimiento.