我要经历
this reinforcement learning tutorial

到目前为止它真的很棒,但有人可以解释一下

newQ = model.predict(new_state.reshape(1,64), batch_size=1)

和

model.fit(X_train, y_train, batch_size=batchSize, nb_epoch=1, verbose=1)

意思？

就像参数bach_size,nb_epoch和verbose那样做什么？
我知道神经网络,所以解释这将是有帮助的.

您也可以向我发送一个链接,其中可以找到这些功能的文档.

最佳答案 首先,令我惊讶的是你找不到
documentation,但我猜你在搜索时运气不好.

文件陈述为model.fit：

fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)

• batch_size: integer. Number of samples per gradient update.
• nb_epoch: integer, the number of times to iterate over the training data arrays.
• verbose: 0, 1, or 2. Verbosity mode. 0 = silent, 1 = verbose, 2 = one log line per epoch.

model.predict情况下的batch_size参数只是每个预测步骤使用的样本数.因此,调用model.predict一次会消耗batch_size数量的数据样本.这有助于可以快速处理大型矩阵的设备(例如GPU).