如何在每个时代结束时使用 tf.keras 拟合和评估 tf.data.dataset？

Question

当 x 是tf.data数据集时，(inputs, targets)和 输入的元组是诸如{"fea_1": val_1, "fea_2": val_2…}、model.fit函数tensorflow/python/keras/engine/training.py不支持validation_data或 之类的特征的字典validation_split。

validation_split当 x 是数据集时不支持。validation_data仅支持 Numpy 数组或张量。

我可以takeor splitdataset to model.fitand model.evaluate，但它不能在每个纪元结束时执行验证。

tf.data.dataset当输入特征是字典时，有没有更好的方法来训练和评估？

Answer 1

X = np.array(X)
y = np.array(y)
model.fit(X, y, batch_size=32, epochs=3, validation_split=0.1)

只需转换

tf.data.Dataset（我的是Python列表）

到

Numpy.array

效果很好