Keras与Adam的训练过早停止
Keras是一个开源的深度学习框架，它提供了一个高级的API，使得构建和训练深度学习模型变得简单快捷。而Adam是一种优化算法，用于调整神经网络的权重和偏置，以最小化训练数据的损失函数。
训练过早停止是一种常用的训练技巧，用于防止模型在训练过程中过拟合。过拟合是指模型在训练数据上表现良好，但在未见过的测试数据上表现较差的现象。过早停止的目标是在模型开始过拟合之前停止训练，以获得更好的泛化能力。
过早停止的实现方法通常是通过监控模型在验证集上的性能指标，当性能指标不再提升或开始下降时，停止训练。Keras提供了EarlyStopping回调函数，可以方便地实现过早停止。
在Keras中使用Adam优化器进行训练时，可以结合EarlyStopping回调函数来实现训练过早停止。具体步骤如下：
- 导入必要的库和模块：
from keras.callbacks import EarlyStopping
from keras.optimizers import Adam- 定义模型和优化器：
model = ...
optimizer = Adam()- 编译模型：
model.compile(optimizer=optimizer, loss='...')- 定义EarlyStopping回调函数：
early_stopping = EarlyStopping(monitor='val_loss', patience=3)其中，monitor参数指定要监控的性能指标，这里使用验证集上的损失函数（val_loss）。patience参数指定在性能指标不再提升时要等待的训练轮数，如果在patience轮训练中性能指标没有提升，则停止训练。
- 开始训练：
model.fit(x_train, y_train, validation_data=(x_val, y_val), callbacks=[early_stopping], ...)在fit函数中，将EarlyStopping回调函数作为callbacks参数传入。
总结一下，Keras与Adam的训练过早停止是通过结合EarlyStopping回调函数和Adam优化器来实现的。通过监控验证集上的性能指标，当性能指标不再提升时，停止训练，以防止模型过拟合。
相关·内容
2回答
我正在训练一个复杂的网络，一旦验证错误达到90%，我想停止训练。我曾考虑过使用EarlyStopping并将基线设置为.90，但当验证精度低于给定时间的基线时(这里仅为0)，它就会停止训练。所以我的代码是：
es=EarlyStopping(monitor='val_acc',mode='auto',verbose=1,baseline=.90,patience=0)
history = model.fit(training_images, training_labels, validation_data=(test_images, test_labels),
浏览 4提问于2020-01-02得票数 5
回答已采纳
我的模型像y = 2*x + 200 + error一样简单，但我无法以简单的方式得到适当的结果。我不知道发生了什么。
import numpy as np
from tensorflow import keras
x = np.arange(100)
error = np.random.rand(100,1).ravel()
y = 2*x + 200 + error
opt = keras.optimizers.Adam(lr=0.0005)
model = keras.Sequential([keras.layers.Dense(1, input_shape=[1])])
model.
浏览 3提问于2020-11-12得票数 0
回答已采纳
2回答
如果满足某些条件，我会使用回调来停止训练过程。我想知道如何访问由于回调而停止训练的纪元编号。 import numpy as np
import random
import tensorflow as tf
from tensorflow import keras
class stopAtLossValue(tf.keras.callbacks.Callback):
def on_batch_end(self, batch, logs={}):
eps = 0.01
if logs.get(
浏览 58提问于2021-10-06得票数 0
回答已采纳
当我使用TensorBoard可视化训练集和验证集上的错误时，TensorBoard中的训练集错误序列通常会提前停止(不会显示所有步骤)。
当使用以下代码时，该系列在随机步长处停止：
import os
import numpy as np
import matplotlib.pyplot as plt
import time
import tensorflow as tf
import tensorflow.keras as keras
# Generate some training data (Y = X0 - X2^2).
X = np.random.rand(1000,2)
Y =
浏览 5提问于2019-11-11得票数 2
1回答
我的问题很直截了当，但我在网上找不到确切答案(到目前为止)。
我使用以下方法保存了使用adam优化器训练的keras模型的权重：
callback = tf.keras.callbacks.ModelCheckpoint(filepath=path, save_weights_only=True)
model.fit(X,y,callbacks=[callback])
当我在结束练习后继续训练时，我是否可以简单地使用：
model.load_weights(path)
继续训练。
由于Adam依赖于时代数(例如在学习速率衰减的情况下)，我想知道在相同条件下恢复训练的最简单的方法。
继ibarr
浏览 9提问于2020-02-05得票数 3
回答已采纳
2回答
当准确率已经达到1.0时，我如何停止Keras训练？我试着监测损失值，但当准确率已经是1时，我还没有试着停止训练。
我尝试了下面的代码，但没有成功：
stopping_criterions =[
EarlyStopping(monitor='loss', min_delta=0, patience = 1000),
EarlyStopping(monitor='acc', base_line=1.0, patience =0)
]
model.summary()
model.compile(Adam(), loss='binary_c
浏览 0提问于2018-11-27得票数 14
1回答
我想阻止我的模型在达到一定的门槛后接受训练。我为Tensorflow的回调编写了一个类。我在训练MNIST数据集。对手写数字进行分类并识别。但出于某种原因，训练并没有停止。我找不到理由。这是我的密码。
import tensorflow as tf
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs={}):
if(logs.get('accuracy')>0.99):
print("\nReached 99% accuracy
浏览 3提问于2021-04-22得票数 0
回答已采纳
我已经尝试在使用MobaXterm的HPC集群上运行机器学习训练程序一段时间了，并且得到了 ImportError: cannot import name 'Adam' from 'keras.optimizers' 当我运行主文件时，会出现类似的错误，主文件应该训练一个模型，然后输出一个训练权重文件。我正在确保通过行："from keras.optimizers import Adam“导入与错误相关的必要包，所以这是一个谜，为什么它不会消失。 另一个线程中有人建议使用tensorflow.keras.optimizers而不是keras.optim
浏览 1073提问于2021-07-02得票数 1
我一直在试用TensroFlow v2测试版，我也在试用tf.keras型号。
当我编译一个模型并选择优化器作为字符串'adam'时。模型可以被正确地训练：
model.compile(optimizer='adam', loss='categorical_crossentropy')
model.fit(x, y)
但是，当我尝试使用默认优化器tf.keras.optimizers.Adam()时，它不能被训练，并且在每次迭代时都会输出nan损失。
adam = tf.keras.optimizers.Adam()
model.compile(
浏览 32提问于2019-07-11得票数 7
回答已采纳
我正在训练一个简单的LSTM网络，使用Keras来预测时间序列值。这是一个简单的两层LSTM.
当我在从随机点开始的训练集的子集上训练时，我得到了最好的表现。每个子集的训练大小为100个样本，验证大小为30个样本。在每个样本中，该模型的批次大小为16，训练时间为100个历元，经过20个周期的小改进后，提前停止。我进行了10次这种训练。
这和我训练我的模式有什么不同呢？
model.compile(loss='mean_squared_error', optimizer='adam')
results = model.fit(X_train, y_train,
浏览 0提问于2018-10-12得票数 1
回答已采纳
1回答
我正在使用tensorflow.keras来训练CNN来解决图像识别问题，使用Adam最小化来最小化自定义损失(一些代码在问题的底部)。我正在试验我需要在训练集中使用多少数据，我认为我应该看看我的每个模型是否都正确地收敛了。然而，当绘制不同训练集分数的损失与训练次数的关系图时，我注意到损失函数中存在大约周期性的峰值，如下图所示。在这里，不同的行显示了不同的训练集大小作为我的总数据集的一部分。
随着我减小训练集的大小(蓝色、橙色、->绿色)，这些脉冲的频率似乎降低了，尽管振幅似乎增加了。直觉上，我会将这种行为与跳出局部最小值的最小化联系起来，但我在TensorFlow/CNNs方面经验不足
浏览 19提问于2020-05-20得票数 2
1回答
我在用Keras训练神经网络，使用早期停止。然而，当训练的时候，网络很早就到达了一个点，验证损失是不自然的低，这会在一段时间后变平，就像这样。
在patience = 50中使用早期停止时，验证损失会减少，但从一开始就不会低于验证损失。
我对网络进行了多次训练，结果是相同的，使用的是rmsprop (学习率为0.1到1e-4)和adam优化器。
有没有人知道是否有方法为网络设置一个“烧伤期”(如马尔可夫链蒙特卡罗模型)，然后监测验证损失，以选择最佳模型？
浏览 0提问于2019-05-28得票数 3
回答已采纳
当我的损失低于某个值时，我使用回调来停止训练。一旦训练结束，我在训练输入上调用predict()方法，然而，当我手动计算损失函数时，我得到了一个非常糟糕的结果。使用predict()是错误的吗？还是我做错了什么？
import numpy as np
import random
import tensorflow as tf
from sklearn.metrics import mean_squared_error as my_mse
class stopAtLossValue(tf.keras.callbacks.Callback):
def on_epoch_end(s
浏览 0提问于2021-10-25得票数 2
我有一个关于Keras的一般性问题。当训练人工神经网络(例如多层感知器或LSTM)的训练、验证和测试数据分离(例如70 %，20 %，10 %)时，我想知道训练后的模型最终使用哪种参数配置来进行预测？
在这里，我经历了一个经历了11个时代的训练过程：
我可以考虑三种可能的参数配置(当然还有其他的)：
导致训练数据集中的最小错误的配置(将在11世纪之后)在最后一个时代之后的配置(这将在11世纪之后，就像在1.)，它导致验证数据集中的最小错误(将在第3个时代之后)。
例如，如果您只是构建模型而没有如下所示：
# Build the model and train it
optimize
浏览 3提问于2022-02-04得票数 0
回答已采纳
我正在运行TF 2.7 (我需要它在那个版本)。我试图使用Keras.losses.CosineSimilarity损失函数来训练Keras模型(Stellargraph模型)。但是每次一个奇怪的错误都会停止训练过程。我可以确认这与使用CosineSimilarity有关。
The error:=
TypeError:预期的int64传递给op 'Maximum‘的参数'y’，而得到1e-12的'float‘类型。错误:预期的int64，但得到1e-12类型的‘浮子’。
这是代码:=
from tensorflow.keras import layers, optimi
浏览 2提问于2022-09-08得票数 0
回答已采纳
1回答
我想要“损害”一个经过训练的keras网络的层，看看对这个单层的损害如何影响网络的性能。所以基本上我想：
1)负载训练网络
2)调用目标层并初始化其权重，将其放回网络中。
3)计算网络精度。
我在Google和DenseNet201后端的Keras中使用TensorFlow模型
import tensorflow as tf
import pandas as pd
import numpy as np
from keras.applications.densenet import DenseNet201
from keras.preprocessing import image
from ke
浏览 2提问于2019-01-14得票数 1
回答已采纳
我想知道Keras如何计算多类分类问题的验证和训练精度(即使用的函数)。我将我的模型编译设置如下：
model.compile(optimizer=Adam(lr=0.001), loss='categorical_crossentropy', metrics=['accuracy'])
但我试图理解验证精度和训练精度是如何计算的(即显式公式)。
我知道验证和训练损失是由categorical_crossentropy决定的，但我不确定准确性。
注意:这不是此的副本。我的问题是寻求Keras用来计算精度的Python函数的解释，而不是上面提到的帖子中给出的理论细
浏览 22提问于2018-02-10得票数 4
回答已采纳
我刚刚开始对神经网络进行编码，我的代码si如下
#create model
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28,28)),
keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(10, activation="softmax")
])
model.compile(opti
浏览 3提问于2020-12-27得票数 1
回答已采纳
我正在运行一个导入keras.optimizers Adam的代码。我想从GPU做这件事，因为我需要进行长时间的训练。如果我正常运行，但每次我将运行时环境更改为GPU时，它就找不到模块"Adam“，并给出了下面的错误。由于与其他库兼容，我使用了keras 2.2.4：
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipyth
浏览 5提问于2022-06-16得票数 1
我想用keras的预训练模型进行迁移学习
import tensorflow as tf
from tensorflow import keras
base_model = keras.applications.MobileNetV2(input_shape=(96, 96, 3), include_top=False, pooling='avg')
x = base_model.outputs[0]
outputs = layers.Dense(10, activation=tf.nn.softmax)(x)
model = keras.Model(inputs=base
浏览 0提问于2019-07-30得票数 1
在训练CNN时，我发现当优化器被设置为优化器实例时，损失降低得更快。
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
.......
然后，当优化器设置为字符串时(优化器的名称)
`model.compile(optimizer='adam', .......)
既然默认的learning_rate=0.001，为什么它们的工作方式不同，它们之间有什么区别呢？
浏览 4提问于2021-03-21得票数 0
回答已采纳
11回答
我正在开发一个seq2seq keras/tensorflow 2.0模型。每次用户输入某些内容时，我的模型都会很好地打印响应。但是，在每个响应的最后一行，我得到了以下内容：
You:警告:tensorflow:您的输入没有数据了；中断了培训。确保数据集或生成器至少可以生成steps_per_epoch * epochs批处理(在本例中为2批)。在构建数据集时，可能需要使用repeat()函数。
"You:“是我的最后一个输出，在用户输入新内容之前。这个模型工作得很好，但是我想没有一个错误是好的，但是我不太明白这个错误。它说“中断训练”，但是我没有训练任何东西，这个程序加载一个已经
浏览 10提问于2020-01-22得票数 35
1回答
我在Keras训练了一个模型，只有密集的层。然而，当我试图预测的时候，它总是给我同样的答案，即使有不同的价值。
import numpy
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from keras.layers import Dropout
from keras.layers.embeddings import Embedding
from keras.optimizers import Adam
import pandas as pd
i
浏览 3提问于2016-11-01得票数 2
回答已采纳
我正在训练我的第一个转移学习模式(耶！)当验证损失在超过3个时期内没有超过0.1的变化时，我很难让模型停止训练。
下面是相关的代码块
early_stopping = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=3, min_delta = 0.1)
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['acc
浏览 4提问于2020-03-11得票数 3
回答已采纳
1回答
我将从代码开始，然后提出我的问题。
model1_input= keras.Input(shape=(5,10))
x = layers.Dense(16, activation='relu')(model1_input)
model1_output = layers.Dense(4)(x)
model1= keras.Model(model1_input, model1_output, name='model1')
model1.summary()
//----
model2_input= keras.Input(shape=(5,10))
y = la
浏览 27提问于2019-11-22得票数 0
回答已采纳
1回答
验证精度波动不定。
、、、、
数据由时间序列传感器数据和不平衡数据集组成.该数据集包含12类数据，需要预测人类的身体活动。
架构：
注意事项：LSTM输出直接输入到输出
con_l1 = tf.keras.layers.Conv2D(64, (5, 1), activation="relu")(
input_layer)
con_l2 = tf.keras.layers.Conv2D(64, (5, 1), activation="relu")(con_l1)
con_l3 = tf.keras.layers.Conv2D(64, (5, 1), activa
浏览 2提问于2021-11-02得票数 1
1回答
我有一个非常小的数据集来训练，我正在训练这个模型，如下所示：
import numpy as np
import pandas as pd
from sklearn import preprocessing
data = pd.read_csv("house.csv")
x=data.iloc[:,0:3]
y=data["price"]
sd=preprocessing.scale(x)
#print(sd)
#print(data.head())
#
from keras.models import Sequential
from keras.layer
浏览 16提问于2020-03-13得票数 0
1回答
我写了一个回叫，当准确性变成99%.But时，停止训练，问题是我得到了这个错误，.Sometimes，如果我解决了这个错误，回叫，即使达到100 %，也不会被调用。
“NoneType”和“浮点”的实例之间float>不支持‘
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs={}):
if(logs.get('accuracy') > 0.99):
浏览 2提问于2020-08-28得票数 1
回答已采纳
这个问题基本上是针对那些对框架有深入了解的人，或者tf.keras 的工作问题。
据我所知，tf.keras.optimizers.Adam是一个具有自适应学习率方案的优化器。因此，如果我们将from keras.callbacks.ReduceLROnPlateau与Adam优化器或其他优化器一起使用，那么这样做不是毫无意义吗？我没有基于Keras的Optimizer的内部工作方式，但在我看来，如果我们使用自适应优化器，为什么要使用它，如果我们使用这个给定的回调，那么对训练的影响是什么呢？
浏览 7提问于2021-02-23得票数 4
我有图像分类问题，我想使用Keras预先训练的模型来完成这项任务。当我使用这样一个模型
model = tf.keras.Sequential([
hub.KerasLayer("https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4",
output_shape=[1280],
trainable=False),
tf.keras.layers.Dropout(0.5),
tf.keras.layer
浏览 2提问于2019-10-29得票数 3
我有这样一个训练数据集(主列表中的项目数为211，每个数组中的数目为185)：
[np.array([2, 3, 4, ... 5, 4, 6]) ... np.array([3, 4, 5, ... 3, 4, 5])]
我用这个代码来训练模型：
def create_model():
model = keras.Sequential([
keras.layers.Flatten(input_shape=(211, 185), name="Input"),
keras.layers.Dense(211, activation='relu',
浏览 2提问于2021-01-13得票数 2
回答已采纳
每当我尝试训练我的模块时，它都会显示以下错误
ModuleNotFoundError:没有名为“tensorflow.keras.model”的模块
import numpy as numpy
import cv2
import tensorflow
from tensorflow.keras.model import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D
from keras.optimizers import Adam
from kera
浏览 2提问于2021-08-15得票数 0
我有一个需要训练大量独立神经网络的设置。它们都共享相同的架构，但是训练和测试数据对于每个都是不同的。我发现的问题是RAM使用率增加了，性能下降得非常快。问:如何以高效和可伸缩的方式做到这一点？
我尝试了一种简单的方法：
for i in range(1000):
# Create NN
model = keras.Sequential(...)
optimizer = keras.optimizers.Adam()
model.compile(loss=loss, optimizer=optimizer, metrics=metrics)
# Trai
浏览 7提问于2018-11-28得票数 0
1回答
我有一个用Keras实现的完全连接的前馈网络。最初，我使用二进制交叉熵作为损失和度量，Adam优化器如下所示 adam = keras.optimizers.Adam(lr=0.01, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)
model.compile(optimizer=adam, loss='binary_crossentropy', metrics=['binary_crossentropy']) 这个模型训练得很好，效果也很好。为了得到更好的结果，我想使用不同
浏览 6提问于2019-09-27得票数 3
1回答
我正在努力确保我的训练能够正常恢复。培训使用tf.keras.optimizers的Adam优化器。我确实设置了TF和NumPy种子。 model.compile(optimizer: new Adam(),
loss: tf.keras.losses.categorical_crossentropy_fn,
metrics: metrics);
if (resume)
model.load_weights(path);
var checkpoints = new ModelCheckpoint(
ModelDir + &#
浏览 11提问于2019-03-22得票数 0
我在训练一个模型，我的损失函数是余弦相似：
model.compile(optimizer='adam',
loss=tf.keras.losses.cosine_similarity,
metrics=[tf.keras.metrics.CosineSimilarity(axis=1)])
在Keras中，"cosine_similarity“应该收敛到-1？
另一方面，"CosineSimilarity“应该使用1，以获得更好的准确性，对吗？
提前感谢！
浏览 1提问于2020-06-09得票数 2
我想监测我的tensorflow模型的准确性，但是，当使用metrics=['accuracy']或metrics=[tf.keras.metrics.Accuracy()]编译我的模型时，然后训练我的模型时会弹出以下警告。
警告:tensorflow:以度量accuracy为条件的早期停止是不可用的。可用的衡量标准是:损失，val_loss
model.compile(optimizer='adam', loss='mean_squared_error', metrics=["tried both options i mentioned
浏览 4提问于2021-06-07得票数 1
回答已采纳
我已经训练了一个模型，我想增加更多的单位，它的隐藏单位，并训练它为更多的时代。我正在实施一种建设性的学习算法。如何将神经元添加到现有的模型隐藏层？是否也有一种方法只训练增加的单位参数和其他参数被冻结？(用KERAS)
def create_first_sub_NN(X):
sub_input = tf.keras.Input(shape=(X.shape[1],))
h = Dense(1, activation="sigmoid",name="hidden")(sub_input)
h = tf.keras.Model(inputs=s
浏览 4提问于2021-01-30得票数 1
回答已采纳
我能用tf.data.Datasets训练一个线性回归模型吗？如果我运行以下代码
import tensorflow as tf
import numpy as np
x = np.linspace(1, 10, num=10**2)
y = 54*x + 33
ds = tf.data.Dataset.from_tensor_slices(list(zip(x, y)))
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(1, input_shape = [1,]),
tf.keras.
浏览 8提问于2022-07-14得票数 0
回答已采纳
我试着训练一个新任务的模型，下面的模型。我对这里使用的标准感到有点困惑，我本来希望使用一个经典的CategoricalCrossentropy，但是：
该模型在训练和测试时将精度评定为零。
然而，在手工计算精度时，绝对不是零
我不熟悉TimeDistributed层，我认为这个问题可能来自这里.TD层的输出和我的目标的形状是相同的。
我少了什么？
请参阅下面的代码：
def init_model():
input_ids = tf.keras.layers.Input(shape=(SEQ_LEN,),dtype='int32')
attenti
浏览 1提问于2022-01-30得票数 0
回答已采纳
这个模型的想法是，它通过神经网络学习执行两个特征的乘法，因此我创建了一个训练数据集，其中随机数的乘法从0到100。因为它的想法是在任何情况下都能学习乘法，所以我创建了训练数据a)，其中随机数最多为100，b)随机数为1000到5000。 我为此创建了下面的神经网络，但是它与测试数据“b”不太匹配。 model = tf.keras.Sequenenter code heretial()
model.add(tf.keras.layers.Dense(units = 2,input_dim = 2))
model.add(tf.keras.layers.Dropout(
浏览 14提问于2020-11-21得票数 1
我试图将图像映射到图像，我已经使用图像生成器这样做了。然而，函数model.fit()不会使用生成器作为参数。这是我的密码：
DIR = '/content/drive/My Drive/Datasets/CatDog/dataset/training_set/'
training_datagen = image.ImageDataGenerator(
rescale=1./255
)
traininput_generator = training_datagen.flow_from_directory(
DIR,
classes = ['
浏览 16提问于2021-02-02得票数 0
回答已采纳
1回答
我需要对不同的超参数设置进行神经网络训练，如下所示：
for seed in range(2):
NN_inst = FeedForwardNN(seed)
NN_inst.load_data()
NN_inst.classification_model()
NN_inst.run_model()
第一步，一切正常。在第二次运行中，我让tensorflow.python.framework.errors_impl.FailedPreconditionError:尝试使用未初始化的值训练/Adam/Variable_39[[{nod
浏览 0提问于2019-02-02得票数 0
1回答
我正在Keras中训练一个神经网络模型。我想要监控验证损失，并在达到一定条件时停止训练。
我知道，当给定数量的patience轮次的训练没有改善时，我可以使用EarlyStopping停止训练。
我想要一些不同的东西。我想在val_loss超过某个值时停止训练，比如n轮次后的x。
为了清楚起见，我们假设0.5中的x和n是50。只有当epoch数大于50并且val_loss大于0.5时，我才想停止模型的训练。
我如何在Keras中做到这一点？
浏览 1提问于2018-08-16得票数 2
回答已采纳
1回答
我正在用tensorflow做一些测试，我无意中发现了一种非常奇怪的行为。这是我的密码
fashion_mnist = tf.keras.datasets.fashion_mnist
(train_images1, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
train_images = train_images1[:32] / 255.0
train_labels = train_labels[:32]
test_images = test_images / 255.0
batch_size =
浏览 0提问于2021-02-09得票数 0
回答已采纳
我正在使用keras (使用Tensorflow后端)训练一个模型，它的损失函数是由我(代码中称为custom_loss )定义的，我在培训期间以最好的精度保存该模型：
model = Sequential()
model.add(...)
adam = keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, decay=0.01)
model.compile(loss=custom_loss, optimizer=adam, metrics=['accuracy']) # better
filepath="
浏览 4提问于2020-03-28得票数 0
回答已采纳
我正在使用spektral测试一个样本图神经网络，如下所示： import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.losses import CategoricalCrossentropy
from tensorflow.keras.metrics import categorical_accuracy
from tensorflow.keras.optimizers import Adam
from spektral.data import DisjointLoader
from spektr
浏览 21提问于2021-09-01得票数 0
我正在学习Udacity "AWS DeepRacer“课程，内容是关于自动驾驶汽车的强化学习。在一个教训中，他们说：
批量大小-这决定了有多少图像，随机抽样从最近的一集，用于培训之前，更新模型。
确定在更新训练权重之前，您将遍历批数据多少次。如果您的模型仍在改进，但其他方面的培训已经停止，则可能需要更多的时代。
学习速度-控制你的算法学习的速度(它扩大或缩小了每个时代之后的权重更新)。
使用使用Adam的Tensorflow和Keras，我了解到在每次批处理迭代之后都会更新权重。但是在这个过程中，他们说权值只有在每一个时代之后才会更新，并且批次大小决定了在更新模型之前需要遍历多少训练
浏览 0提问于2019-08-05得票数 2
回答已采纳
我想为回归任务构建一个完全连接(密集)的层。我通常使用TF2，使用Keras API，如下所示： model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(units=2, activation='sigmoid', input_shape=(1, )))
model.add(tf.keras.layers.Dense(units=2, activation='linear'))
model.compile(optimizer='adam', loss='m
浏览 40提问于2020-01-16得票数 2
回答已采纳
我用Keras创建了一个神经模型，并希望使用用于Keras模型的Tensorflow API来训练它。
此外，我想简单地用一个LoggingTensorHook记录损失值。但我得到了以下错误：
ValueError: Passed Tensor("loss/mul:0", shape=(), dtype=float32) should have graph attribute that is equal to current graph <tensorflow.python.framework.ops.Graph object at 0x11fca7358>.
我
浏览 0提问于2018-09-28得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
