我对Python中的Keras很陌生。我刚刚创建了我的第一个卷积神经网络,用于使用MNIST数据集进行数字识别。然而,我收到了这个警告信息,我无法找到解决方案。
UserWarning:与批处理更新相比,on_batch_end()方法比较慢。查查你的回呼。
完整的代码在本链接中提供
顺便说一下,我使用的是windows 10和python 2.7
。我的keras
版本是1.2.1,theano
是0.8.2。提前谢谢你。
发布于 2017-02-20 02:31:49
我在我的电脑上运行你的代码,并得到如下结果。使用windows 10和python 2.7。我的keras版本是1.0.5,theano是0.8.2。警告不会出现,没有错误,我认为你可以忽略你的警告。
50000/50000 ============================== - 44s -损耗: 0.9157 - acc: 0.6879
50000/50000 ============================== - 43s损失: 0.3536 - acc: 0.8903
50000/50000 ============================== - 44s -损耗: 0.3032 - acc: 0.9065
50000/50000 ============================== - 44s -损耗: 0.2753 - acc: 0.9150
50000/50000 ============================== - 43s损失: 0.2526 - acc: 0.9203
50000/50000 ============================== - 43s损失: 0.2391 - acc: 0.9257
50000/50000 ============================== - 45s -损耗: 0.2285 - acc: 0.9296
50000/50000 ============================== - 43s损失: 0.2155 - acc: 0.9322
50000/50000 ============================== - 43s损失: 0.2104 - acc: 0.9347
50000/50000 ============================== - 44s -损耗: 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.]]
发布于 2017-03-15 03:38:47
model.fit(X_train,Y_train,batch_size=32,nb_epoch=10,verbose=1)
将详细内容更改为更高的数量。就像两个或更多。
verbose=1所做的是在每批之后打印一条日志行。打印,本身并不是一个问题,但你不希望它发生数百万次每秒。
你的电脑根本不适合你的代码。
因此,是的,您可以忽略此警告,或者更改详细内容并删除它。
https://stackoverflow.com/questions/42145668
复制相似问题