我的训练数据有10680个样本，我设置了如下fit函数：

model.fit(X, y, batch_size=32, epochs=5, verbose=1, validation_split=0.1)

这意味着应该使用90%（9612个样本）进行训练，另外10%用于验证，对吗？

但是当我尝试运行时，显示的训练周期是这样的：

Epoch 1/5301/301 [==============================] - 25s 85ms/step - loss: nan - accuracy: 0.4999 - val_loss: nan - val_accuracy: 0

它只使用了301个样本来进行训练。

我哪里做错了或者有什么没看到的吗？

我知道这不对，因为它曾经正常工作过（使用了9612个样本）。

这是模型：

keras.utils.normalize(X)model = Sequential()model.add(Conv2D(128, (3,3), input_shape = X.shape[1:]))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Conv2D(128, (3,3)))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Flatten()) # Converts 3D feature maps to 1D feature vectorsmodel.add(Dense(128, kernel_regularizer= tf.keras.regularizers.l2(5e-5)))model.add(Activation("relu"))model.add(Dense(1, kernel_regularizer=tf.keras.regularizers.l2(5e-5)))model.add(Activation("sigmoid"))sgd = tf.keras.optimizers.SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)model.compile(loss="binary_crossentropy",              optimizer=sgd,              metrics=['accuracy'])model.summary()

回答：

我认为这里的301指的是批次的数量，因为你有9612个数据，并且设置了batch_size=32，所以预期的批次数量应该是9612 / 32 = 300.375 -> 301