![](/img/trans.png)
[英]Keras: What if i recompile my model after training few epochs
[英]Which parameter configuration is Keras using by default for predictions after training a model for multiple epochs
我有一個關於 Keras 的一般性問題。 在訓練具有訓練、驗證和測試數據(例如 70%、20%、10%)拆分的人工神經網絡(例如多層感知器或 LSTM)時,我想知道訓練的參數配置model 最終用於預測?
在這里,我有一個來自 11 個 epoch 的訓練過程的示例:
我可以考慮 3 種可能的參數配置(當然還有其他的):
如果您只是構建 model 而沒有像這樣:
# 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)
您能告訴我使用哪種配置來預測Y_pred = model.predict(X_test)
行中的測試數據集的值嗎?
這將是最后一個時期之后的配置(您提到的第二個可能的配置)。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.