此问题在此处已有答案：

Keras not training on entire dataset（3个答案）
13天前关闭。
我在python中有一个项目，目标是建立一个模型来预测猫或狗的图像。我的训练集有24977张图像，我想使用keras中的validation_split来使用其中的10%。然而，当我运行以下代码时：

model.fit(x_2, y, epochs = 5, validation_split = 0.1)

这个过程只采取了703出24977，这是我不想有（它应该是2500图像约）.
You can see there are 703 images being processed here
我用来填充模型的x_2和y的形状如下所示：for yfor x_2打印机
有谁能给我解释一下这个错误，并告诉我一个解决方案来修复它吗？非常感谢

以下是我的代码：

!pip install tensorflow
!pip install keras
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import pickle
import numpy as np
import time
import tensorflow as tf
from tensorflow.keras.callbacks import TensorBoard
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

x = pickle.load(open('x.pkl','rb'))
y = pickle.load(open('y.pkl','rb'))

x_1 = x/255

x_2 = x_1.astype('float')

model = Sequential()

model.add(Conv2D(64, (3,3), activation = 'relu'))

model.add(MaxPooling2D((2,2)))


model.add(Conv2D(64, (3,3), activation = 'relu'))

model.add(MaxPooling2D((2,2)))

model.add(Flatten())

model.add(Dense(128, input_shape = x.shape[1:], activation = 'relu'))

model.add(Dense(2, activation = 'softmax'))

model.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])

model.fit(x_2, y, epochs = 5, validation_split = 0.1)

我试图使用10%的训练集数据，但只得到2%，而这不是我想要的。