model.predict() 和 model.fit() 有什么作用？

Question

我正在学习这个强化学习教程 ，到目前为止它真的很棒，但有人可以解释一下吗

newQ = model.predict(new_state.reshape(1,64), batch_size=1)

和

model.fit(X_train, y_train, batch_size=batchSize, nb_epoch=1, verbose=1)

意思？

至于在什么做的论点bach_size，nb_epoch和verbose做什么？我知道神经网络，所以用它来解释会很有帮助。

您还可以向我发送一个链接，其中可以找到这些函数的文档。

Answer 1

首先让我惊讶的是你找不到文档，但我猜你在搜索时运气不好。

文档说明model.fit：

fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)

• batch_size： 整数。每次梯度更新的样本数。
• nb_epoch：整数，迭代训练数据数组的次数。
• verbose: 0、1 或 2。详细模式。0 = 无声，1 = 冗长，2 = 每个 epoch 一个日志行。

batch_size情况下的参数model.predict只是用于每个预测步骤的样本数。所以调用model.predict一次会消耗batch_size大量的数据样本。这有助于可以快速处理大型矩阵的设备（例如 GPU）。