我在一个NLP项目中有三个不同顺序的数据集，我想在TensorFlow中应用课程学习，但我不知道应该使用哪个参数来保持我提供的顺序。例如，在第一个数据集中，我有复杂到简单的顺序;在第二个数据集中，我有简单到复杂的顺序，等等。为了了解课程是否重要，我必须按照我的顺序保持训练数据集。
我尝试用不同顺序的数据集训练模型，但没有得到不同的结果。我认为在训练过程中，模型以相同的方式打乱了数据集，所以没有得到不同的结果。
我在一个NLP项目中有三个不同顺序的数据集，我想在TensorFlow中应用课程学习，但我不知道应该使用哪个参数来保持我提供的顺序。例如，在第一个数据集中，我有复杂到简单的顺序;在第二个数据集中，我有简单到复杂的顺序，等等。为了了解课程是否重要，我必须按照我的顺序保持训练数据集。
我尝试用不同顺序的数据集训练模型，但没有得到不同的结果。我认为在训练过程中，模型以相同的方式打乱了数据集，所以没有得到不同的结果。
1条答案
按热度按时间s4chpxco1#
如果你使用tf.data.Dataset作为训练数据，它在训练过程中不会被打乱。如果你使用其他格式（例如普通的numpy数组），你可以在
model.fit方法中提供参数shuffle=False。来自www.example.com的文档tf.keras.Model.fit:
shuffle：Boolean（是否在每个epoch之前对训练数据进行 Shuffle ）或str（对于'batch'）。当x是生成器或tf. data. Dataset的对象时，此参数将被忽略。'batch'是用于处理HDF 5数据限制的特殊选项;它以批量大小的块进行 Shuffle 。当steps_per_epoch不为None时无效。
shuffle的默认值是True，因此如果数据不是generator或tf.data.Dataset的形式，则可能必须将其提供为False。