Keras 的训练准确率是如何确定每个 epoch 的？

Question

我在 Keras 中训练模型如下：

model.fit(Xtrn, ytrn batch_size=16, epochs=50, verbose=1, shuffle=True,
          callbacks=[model_checkpoint], validation_data=(Xval, yval))

拟合输出如下所示：

如图所示，model.fit我的批量大小为 16，8000训练样本总数如输出所示。因此，根据我的理解，每16批次都会进行培训。这也意味着训练是500单个时期的运行时间（即，8000/16 =500)

因此，让我们采用 Epoch 1/50 输出中打印的训练准确度，在本例中为0.9381。我想知道这个训练精度是如何0.9381导出的。

是不是：

1. 是平均训练精度，作为平均从500次培训，每批执行？

或者，

2. 它是运行训练过程的实例中的最佳（或最大）训练准确度500吗？

Answer 1

看看他们计算运行平均值的BaseLogger地方。Keras对于每个时期，准确度是该时期之前看到的所有批次的平均值。

class BaseLogger(Callback):
    """Callback that accumulates epoch averages of metrics.

    This callback is automatically applied to every Keras model.
    """

    def on_epoch_begin(self, epoch, logs=None):
        self.seen = 0
        self.totals = {}

    def on_batch_end(self, batch, logs=None):
        logs = logs or {}
        batch_size = logs.get('size', 0)
        self.seen += batch_size

        for k, v in logs.items():
            if k in self.totals:
                self.totals[k] += v * batch_size
            else:
                self.totals[k] = v * batch_size

    def on_epoch_end(self, epoch, logs=None):
        if logs is not None:
            for k in self.params['metrics']:
                if k in self.totals:
                    # Make value available to next callbacks.
                    logs[k] = self.totals[k] / self.seen