即時通訊Python中的Keras。我剛剛創建了我的第一個使用MNIST數據集進行數字識別的卷積神經網絡。但是，我得到了這個警告信息，我找不出解決方案。Keras Theano BackEnd
UserWarning：方法on_batch_end（）與批次 更新相比較慢。檢查你的回調。
完整的代碼在此link
提供順便說一句，使用Windows 10和python 2.7 IM。我的keras版本是1.2.1，theano是0.8.2。先謝謝你。
我在我的電腦上運行你的代碼，得到結果如下。使用Windows 10和Python 2.7。我的keras版本是1.0.5，theano是0.8.2。 警告不會出現，並且沒有錯誤，您可以忽略您的警告我認爲。
C：\阿納康達\ python.exe H：/keras-master/examples/download.py使用 Theano後端。
使用GPU設備0：的GeForce GTX 745（CNMeM被禁用，cuDNN 5103） C：\蟒蛇\ LIB \站點包\ theano \沙盤\ cuda__init __ PY：600： UserWarning：您cuDNN版更最近比Theano 正式支持。如果您發現任何問題，請嘗試更新Theano或將cuDNN降級到版本5.警告（警告）（'X_train 形狀：'，（50000L，1L，28L，28L））（50000L，'火車樣本'）（ 10000L， '測試樣品'）
曆元1/1050000分之50000[=========================== ===] - 44S - 損失：0.9157 - ACC：0.6879
大紀元2/10五萬分之五萬 [======================== ======] - 43S - 損失：0.3536 - ACC：0.8903
大紀元3/1050000分之50000[===================== =========] - 44s - 損失：0.3032 - acc：0.9065
Epoch 4/10 50000/50000 [==============================] - 44S - 損失：0.2753 - ACC：0.9150
大紀元5/10五萬分之五萬[============================ == - 43S - 損失：0.2526 - ACC：0.9203
大紀元6/10五萬分之五萬 [========================= =====] - 43S - 損失：0.2391 - ACC：0.9257
大紀元7月10日50000分之50000[====================== ========] - 45s - 損失：0.2285 - acc：0.9296
Epoch 8/10 50000/50000 [==============================] - 43s - 損失：0.2155 - acc：0.9322
Epoch 9/10 50000/50000 [==============================] - 43s - 損失：0.2104 - acc：0.9347
Epoch 10/10 50000/50000 [==============================] - 44s - 損失：0.1963 - acc：0。9392
('Test score:', 0.1083350375296548) ('Test accuracy:',
0.96709999999999996) 4/4 [==============================] - 0s [2 1 0 4] [[ 0. 0. 1. 0. 0. 0. 0. 0. 0. 0.] [ 0. 1. 0. 0.
0. 0. 0. 0. 0. 0.] [ 1. 0. 0. 0. 0. 0. 0. 0. 0. 0.] [ 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]]
model.fit（X_train，Y_train， 的batch_size = 32，nb_epoch = 10，詳細= 1）
變化冗長到更高的金額。喜歡2或更多。
verbose = 1所做的是在每批次後打印日誌行。打印本身不是問題，但你不希望它每秒發生數百萬次。
你的電腦根本不夠你的代碼。
所以，是的，你可以忽略這個警告，或者改變詳細並擺脫它。
您能否向我們提供有關您用於計算的機器的信息？ –
即時通訊對不起，我沒有得到它，你是什麼意思的機器使用計算信息？ – AizuddinAzman
您正在運行腳本的計算機/虛擬機的參數。 –