Ich verwende das LSTM-Modell zum ersten Mal. Hier ist mein Modell:
opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)
model = Model(inp,pred)
model.compile(....)
idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)
Was nützt es wortreich beim Trainieren des Modells?
python
deep-learning
keras
verbose
Rakesh
quelle
quelle
verbose: Integer
. 0, 1 oder 2. Ausführlichkeitsmodus.Verbose = 0 (still)
Ausführlich = 1 (Fortschrittsbalken)
Train on 186219 samples, validate on 20691 samples Epoch 1/2 186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc: 0.7728 - val_loss: 0.4917 - val_acc: 0.8029 Train on 186219 samples, validate on 20691 samples Epoch 2/2 186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc: 0.8071 - val_loss: 0.4617 - val_acc: 0.8168
Verbose = 2 (eine Zeile pro Epoche)
Train on 186219 samples, validate on 20691 samples Epoch 1/1 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075 Train on 186219 samples, validate on 20691 samples Epoch 1/1 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046
quelle
Für
verbose
> 0fit
Methodenprotokolle:Hinweis: Wenn Regularisierungsmechanismen verwendet werden, werden diese aktiviert, um eine Überanpassung zu vermeiden.
Wenn
validation_data
odervalidation_split
Argumente nicht leer sind,fit
protokolliert die Methode:Hinweis: Die Regularisierungsmechanismen sind zum Testzeitpunkt deaktiviert, da wir alle Funktionen des Netzwerks nutzen.
Wenn Sie
verbose
das Modell beispielsweise während des Trainings verwenden, können Sie eine Überanpassung erkennen, die auftritt, wenn Sieacc
sich weiter verbessern, während sich Ihreval_acc
Situation verschlechtert.quelle
Standardmäßig ausführlich = 1,
verbose = 1, die sowohl den Fortschrittsbalken als auch eine Zeile pro Epoche enthält
verbose = 0 bedeutet still
wortreich = 2, eine Zeile pro Epoche, dh Epochen-Nr. von Epochen
quelle
Die Reihenfolge der mit dem ausführlichen Flag versehenen Details ist wie folgt
Standard ist 1
Für die Produktionsumgebung wird 2 empfohlen
quelle