基于验证而非训练的优化

数据挖掘 神经网络 喀拉斯 张量流 美国有线电视新闻网 优化
2022-03-04 23:52:40

你好神经网络程序员,

我目前正在使用 keras 创建一个神经网络,因为我对 tensorflow 不太熟悉,而且它有点困难。

我希望我的优化能够优化验证损失,而不是训练损失/准确性。

理想情况下,我希望它看起来像这样:

model.compile(优化器=adam,损失='categorical_crossentropy',metrics=[ 'val_accuray' ])

但 val_accuracy 不是我可以进入指标的东西。

关于如何实现它的任何想法?

谢谢!

1个回答

欢迎来到本站!模型创建中的优化功能不是做你想做的事的最佳场所。你应该做的是:

  1. 创建模型
  2. 在模型训练期间运行尽可能多的 epoch
  3. 在 epochs 创建 Keras 回调,根据验证准确性(与其他指标相反)保存最佳模型

这将允许您仍然以有效的方式创建模型,同时最终以创建具有最高验证准确度的模型的 epoch 训练过程结束。