哪個參數配置是 Keras 在為多個 epoch 訓練 model 后默認使用預測

Question

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）：

1. 導致訓練數據集中誤差最小的配置（將在第 11 個 epoch 之后）
2. 最后一個 epoch 之后的配置（這將在第 11 個 epoch 之后，如 1.）
3. 導致驗證數據集中誤差最小的配置（將在第三個 epoch 之后）

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？

Answer 1

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）。