问题描述
我正在处理一项分类任务,试图从纸上重建网络。在那篇论文中,他们谈论进行 300 次训练测试,并在对特定输入数据取每个网络的所有预测的平均值后,每次训练网络。
所以这里的问题是:在第一次评估之后,它会跳过所有其他评估,因为第一次训练的最后一个 epoch 的评估总是比下一次网络训练的第一个 epoch 评估好,我该怎么做才能比较最后一个网络时代? 代码如下:
checkpoint_filepath = './checkpoint'
model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
filepath=checkpoint_filepath,save_weights_only=True,monitor='precision',mode='max',save_best_only=True)
lis = []
for i in range(300):
# Train test split
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size=0.3,stratify = Y)
# Create model
model_two_neuron = tf.keras.Sequential([
tf.keras.layers.Dense(40,input_shape=(15,)),tf.keras.layers.Dense(2,activation=tf.nn.sigmoid)
])
model_two_neuron.compile(optimizer=tf.keras.optimizers.Adam(),loss=tf.keras.losses.MeanSquaredError(),metrics=[tf.keras.metrics.Precision()])
# Train
model_two_neuron.fit(X_train,epochs=20,callbacks=[model_checkpoint_callback])
# evaluate
value = model_two_neuron.evaluate(X_test,y_test)
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@)