CNNの学習サンプル数が減っていく問題

Question

現在、１次元CNNを用いて時系列データの２分類システムを構築しています。
学習データは全部で2000個(1000個ずつ)あり、そのうち20%を検証用データにするように設定してます。サイズは(step,channel)=(6428,3)です。
最初、エポック数200、バッチサイズ100で学習を行なったとき、各エポックで200個のサンプルを使用していましたが、次にエポック数のみを20に変更して学習をさせると、下のように使用している学習サンプルが16個になっていました。
この原因はなんでしょうか？
御教授お願いいいたします。

Epoch 1/20
16/16 [==============================] - 1477s 93s/step - loss: 2.8660 - accuracy: 0.5244 - val_loss: 0.6960 - val_accuracy: 0.0000e+00

Epoch 00001: val_loss improved from inf to 0.69599, saving model to best.hdf5
Epoch 2/20
16/16 [==============================] - 1281s 80s/step - loss: 0.4678 - accuracy: 0.6398 - val_loss: 0.6924 - val_accuracy: 1.0000

Epoch 00002: val_loss improved from 0.69599 to 0.69241, saving model to best.hdf5
Epoch 3/20
16/16 [==============================] - 1167s 73s/step - loss: 0.4230 - accuracy: 0.7609 - val_loss: 0.6912 - val_accuracy: 1.0000

Comments

[HelloQ]

model.fitのコードを記入していただくと答えやすくなるかと思います.
個人的には,len(train_data)=batch_size*16+len(train_data)*validation_splitによりこの実行結果は正しいと思います.ここではvalidation_splitを0.2(20%)として答えましたが,学習前に8:2に分割している場合でも出力結果は正しいと感じます.

[tirotaro]

history=model.fit(X_train,Y_train,
batch_size=100, verbose=1, epochs=20,
validation_split=0.2, callbacks=[lrs,mcp])
です。
では、学習サンプル数が16個でもちゃんと学習は行えているのでしょうか？

Answer 1

その16はサンプル数ではなく、1エポックあたりのイテレーション数です。

2000*0.8/100=16

Comments

[tirotaro]

そうなんですね！自分の勉強不足だったようです...
回答していただきありがとうございました。