哪个参数配置是 Keras 在为多个 epoch 训练 model 后默认使用预测

Question

我有一个关于 Keras 的一般性问题。 在训练具有训练、验证和测试数据（例如 70%、20%、10%）拆分的人工神经网络（例如多层感知器或 LSTM）时，我想知道训练的参数配置model 最终用于预测？

在这里，我有一个来自 11 个 epoch 的训练过程的示例：

我可以考虑 3 种可能的参数配置（当然还有其他的）：

1. 导致训练数据集中误差最小的配置（将在第 11 个 epoch 之后）
2. 最后一个 epoch 之后的配置（这将在第 11 个 epoch 之后，如 1.）
3. 导致验证数据集中误差最小的配置（将在第三个 epoch 之后）

如果您只是构建 model 而没有像这样：

# Build the model and train it

optimizer_adam = tf.keras.optimizers.Adam(lr= 0.001)
model = keras.models.Sequential([
    keras.layers.LSTM(10, return_sequences=True, input_shape=[None, numberOfInputFeatures]),
    keras.layers.LSTM(10, return_sequences=True),
    keras.layers.TimeDistributed(keras.layers.Dense(numberOfOutputNeurons))
    ])
    
    
model.compile(loss="mean_squared_error", optimizer=optimizer_adam, metrics=['mean_absolute_percentage_error'])
history = model.fit(X_train, Y_train, epochs=11, batch_size=10, validation_data=(X_valid, Y_valid))

# Predict the values from the test dataset
Y_pred = model.predict(X_test)

您能告诉我使用哪种配置来预测Y_pred = model.predict(X_test)行中的测试数据集的值吗？

Answer 1

这将是最后一个时期之后的配置（您提到的第二个可能的配置）。