[英]Tensor Flow Conv1D for binary classification CNN
我正在 CNN 中创建一个用于二元分类的 Conv1D 层,我对机器学习很陌生,我需要一些帮助来找出 Conv1D 的正确值:
tf.keras.layers.Conv1D(
filters, kernel_size, strides=1, padding='valid', data_format='channels_last',
dilation_rate=1, groups=1, activation=None, use_bias=True,
kernel_initializer='glorot_uniform', bias_initializer='zeros',
kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
kernel_constraint=None, bias_constraint=None, **kwargs
)
我想知道是否有办法确定最适合我的数据集的“正确”超参数。
为了完成,这里是tf.keras.layers.Conv1D
的文档,解释了每个参数的用途。
没有这样的流量! 这是深度学习中的问题之一,没有“神奇”的方法可以选择适合您的问题的最佳超参数。 一旦你更有经验,你可能能够做出一个有教育意义的猜测,这将是相当有效的。
解决这个问题的一种方法是为您希望调整和有效迭代它们的每个超参数设置多个可能的有效选项。
您可以在keras
执行此操作的一种方法是使用GridSearchCV
这里有几个很好的起始链接:
https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html
https://machinelearningmastery.com/grid-search-hyperparameters-deep-learning-models-python-keras/
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.