拟合功能在时期1

Question

但是当我称其为as

时 fitted_model, history = fit_model(model, X_train_sequence_tensor,Y_train_sequence_tensor, epochs=100, val_set=val_set, time_windows=90, scaler=scaler)

在第一个时期之后停止。它不能按要求所有100个运行。 我试图在函数调用之外调用它，并且有效。

`＃步骤3.2：适合模型 +我们通过一些验证
＃监视验证损失和指标
＃在每个时代的末尾
x_val_set = val_set [x_column_list] .Round（2）

                #X_val_set.values = scaler.transform(X_val_set.values)
                
                X_val_set[X_val_set.columns] = scaler.transform(X_val_set[X_val_set.columns] )
                X_val_sequence = get_feature_array(X_val_set , X_column_list, 90)
                X_val_sequence_tensor = tf.convert_to_tensor(X_val_sequence, dtype=tf.float32)
                
                Y_val_set = val_set[Y_column_list].round(2)
                Y_val_sequence = get_feature_array(Y_val_set , Y_column_list, 90)
                Y_val_sequence_tensor = tf.convert_to_tensor(Y_val_sequence, dtype=tf.float32)

                
                training_history = cnn1d_bilstm_model.fit(X_train_sequence_tensor,Y_train_sequence_tensor, epochs=200, 
                                                        # We pass some validation for
                                                        # monitoring validation loss and metrics
                                                        # at the end of each epoch
                                                        validation_data=(X_val_sequence_tensor, Y_val_sequence_tensor))

我做错了什么？请任何帮助

也许问题是，在

fit_model

函数内部，

epochs

中的

model.fit

参数不是作为命名参数传递的，而模型将

Answer 1

解释为其他内容。尝试将其更改为：

history = model.fit(X_train_sequence_tensor, Y_train_sequence_tensor, epochs=epochs, 
                    validation_data=(X_val_sequence_tensor, Y_val_sequence_tensor))

在此，明确指出该模型的

epochs

参数等于您传递给函数的

epochs

参数。