问题描述
我目前正在开展一个项目,该项目要求我在使用 Tensorflow 进行训练期间更改模型架构。 添加了新的权重,并删除了其他权重。模型需要重新编译,以便优化器识别新的权重并为它们计算梯度。
但是我注意到,在编译网络后,损失只会在再次下降后上升(参见here) 在编译后的第一步中,损失仍然和以前一样低,但增加得很快。 This 问题与我的相似,但只是说你应该
使用上次训练的列表(手动或从回调获得)初始化第二次训练验证精度。
但是我找不到有关如何执行此操作的任何资源。 我的尝试包括:
- 使用 SGD 而不是 Adam,因为它不应该依赖于之前的状态
- 添加上一次
for (i = 0; i < thisQuarter.length; i++) { if (thisQuarter[i][0] == "Yes" { // send email } }
调用的历史记录 - 将
function getTokenPrice(address pairAddress,uint amount) public view returns(uint) { IPancakeswapV2Pair pair = IPancakeswapV2Pair(pairAddress); IBEP20 token1 = IBEP20(pair.token1()); (uint Res0,uint Res1,) = pair.getReserves(); // decimals uint res0 = Res0*(10**token1.decimals()); return((amount*res0)/Res1); // return amount of token0 needed to buy token1 }
设置为它在上一次调用中执行的 epoch 数 - 以上所有组合
我使用 https://www.tensorflow.org/datasets/keras_example 中的修改示例重新创建了该问题,并增加了网络复杂性,因为尖峰的高度似乎随着网络规模的增加而增加:
model.fit()
This 是结果图。 在这个例子中,我没有改变网络,而是使用不同的优化器编译,无论你选择哪种组合,我都会测试损失峰值。 (如果你在不改变模型的情况下使用 model.optimizer 进行编译,损失不会增加,这让我觉得我必须改变优化器。但 SGD 也不起作用,这让我感到困惑)
这与在使用另一个 model._train_counter
调用恢复后恢复模型训练相同。
我使用的是 Tensorflow 2.5.0 版
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)