[英]Keras: how to mutate data for each epoch
我试图通过向原始数据添加噪声和随机突变来减少过度拟合。
我有一个改变训练数据的函数
x, y = generate_data()
我希望每个时代都调用它并在新数据上训练我的模型。 希望是减少过拟合。
history = model.fit(x, y, epochs=100, batch_size=64)
更改每个新纪元的数据的最佳方法是什么?
只是一个猜测。 尝试:
for _ in range(num_epochs):
x, y = generate_data()
history = model.fit(x, y, epochs=1, batch_size=64)
model.fit 有一个 shuffle 参数,默认值为 True。 所以它在每个时期对样本进行洗牌。
def fit(self, x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,
validation_split=0., validation_data=None, shuffle=True,
class_weight=None, sample_weight=None, initial_epoch=0, **kwargs)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.