Keras 训练数据差异

在按照官方 TensorFlow 指南使用 Keras 构建神经网络时，您注意到该模型仅使用尽管有 60,000 个条目，但训练期间可用数据集的一部分。

了解批量大小

模型拟合期间显示的数字 1875 并不表示训练样本，而是表示批次数量。 model.fit 方法有一个可选参数，batch_size，它决定训练期间同时处理的数据点的数量。

如果不指定batch_size，则默认值为 32。在本例中，总数据集为 60,000 张图像，批次数变为：

60000 / 32 = 1875

因此，虽然有 60,000 个数据点，但模型实际上训练了 1875 个批次，每个批次包含 32 个数据点。这是减少内存占用并提高训练速度的常见做法。

调整批量大小

要在训练期间使用整个数据集而不进行批处理，您可以指定model.fit 方法中的 batch_size 为 60000。但是，这可能会减慢训练速度并需要更多内存。

或者，您可以调整batch_size以在训练效率和内存利用率之间找到折衷方案。例如，您可以将其设置为 1024 或 2048，这仍然会显着减少批次数量，而不会牺牲太多性能。