如何解讀Keras model.fit輸出？

Question

我剛開始使用Keras。我工作的樣品有模型和下面的代碼片段是用來運行模型

from sklearn.preprocessing import LabelBinarizer 
label_binarizer = LabelBinarizer() 
y_one_hot = label_binarizer.fit_transform(y_train) 

model.compile('adam', 'categorical_crossentropy', ['accuracy']) 
history = model.fit(X_normalized, y_one_hot, nb_epoch=3, validation_split=0.2) 

我得到如下回應：

Using TensorFlow backend. Train on 80 samples, validate on 20 samples Epoch 1/3 

32/80 [===========>..................] - ETA: 0s - loss: 1.5831 - acc: 
0.4062 80/80 [==============================] - 0s - loss: 1.3927 - acc: 
0.4500 - val_loss: 0.7802 - val_acc: 0.8500 Epoch 2/3 

32/80 [===========>..................] - ETA: 0s - loss: 0.9300 - acc: 
0.7500 80/80 [==============================] - 0s - loss: 0.8490 - acc: 
0.8000 - val_loss: 0.5772 - val_acc: 0.8500 Epoch 3/3 

32/80 [===========>..................] - ETA: 0s - loss: 0.6397 - acc: 
0.8750 64/80 [=======================>......] - ETA: 0s - loss: 0.6867 - acc: 
0.7969 80/80 [==============================] - 0s - loss: 0.6638 - acc: 
0.8000 - val_loss: 0.4294 - val_acc: 0.8500 

的documentation說，適合的回報

歷史實例。其歷史屬性包含訓練期間收集的所有信息 。

有誰知道如何解釋歷史實例？

例如，32/80是什麼意思？我假設80是樣本的數量，但是32是什麼？ ETA：0s？

Answer 1

32是你的批量大小。如果您希望這樣做，32是默認值，您可以在適合的功能中進行更改。

在第一批培訓結束後，Keras會估計一個時期的培訓時間（ETA：預計到達時間），相當於您所有樣本的一輪培訓。

除此之外，您還可以獲得培訓和驗證樣本的損失（預測和真實標籤之間的差異）和您的度量（在您的情況下爲準確度）。