Я впервые использую модель LSTM. Вот моя модель:
opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)
model = Model(inp,pred)
model.compile(....)
idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)
Какая польза от многословия при обучении модели?
python
deep-learning
keras
verbose
Ракеш
источник
источник
verbose: Integer
. 0, 1 или 2. Режим детализации.Verbose = 0 (без звука)
Verbose = 1 (индикатор выполнения)
Train on 186219 samples, validate on 20691 samples Epoch 1/2 186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc: 0.7728 - val_loss: 0.4917 - val_acc: 0.8029 Train on 186219 samples, validate on 20691 samples Epoch 2/2 186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc: 0.8071 - val_loss: 0.4617 - val_acc: 0.8168
Verbose = 2 (одна строка на эпоху)
Train on 186219 samples, validate on 20691 samples Epoch 1/1 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075 Train on 186219 samples, validate on 20691 samples Epoch 1/1 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046
источник
Для
verbose
> 0fit
журналы метода:Примечание. Если используются механизмы регуляризации, они включаются во избежание переобучения.
если аргументы
validation_data
илиvalidation_split
не пустые,fit
журналы метода:Примечание. Механизмы регуляризации отключены во время тестирования, поскольку мы используем все возможности сети.
Например, использование
verbose
модели во время обучения помогает обнаружить переоснащение, которое происходит, если выacc
продолжаете улучшаться, а вамval_acc
становится хуже.источник
По умолчанию verbose = 1,
verbose = 1, который включает в себя индикатор выполнения и одну строку за эпоху
verbose = 0, означает молчание
verbose = 2, одна строка на эпоху, т.е. номер эпохи / общее количество эпох
источник
Порядок подробностей, представленных с подробным флагом, следующий:
По умолчанию 1
Для производственной среды рекомендуется 2
источник