Verbose Keras là gì

Tôi đang chạy mô hình LSTM lần đầu tiên. Đây là mô hình của tôi:

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)

Việc sử dụng chi tiết trong khi đào tạo mô hình là gì?

Kiểm tra tài liệu cho model.fit tại đây .

Bằng cách đặt dài dòng 0, 1 hoặc 2, bạn chỉ cần nói bạn muốn 'xem' tiến trình đào tạo cho từng kỷ nguyên như thế nào.

verbose=0 sẽ không cho bạn thấy gì (im lặng)

verbose=1 sẽ hiển thị cho bạn một thanh tiến trình hoạt ảnh như thế này:

verbose=2 sẽ chỉ đề cập đến số kỷ nguyên như thế này:

verbose: Integer. 0, 1 hoặc 2. Chế độ chi tiết.

Verbose = 0 (im lặng)

Verbose = 1 (thanh tiến trình)

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 (một dòng mỗi kỷ nguyên)

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

Đối với verbose> 0, fitnhật ký phương thức:

• mất : giá trị của hàm mất đối với dữ liệu đào tạo của bạn
• acc : giá trị độ chính xác cho dữ liệu đào tạo của bạn.

Lưu ý: Nếu các cơ chế điều chỉnh được sử dụng, chúng sẽ được bật để tránh trang bị quá mức.

nếu validation_datahoặc các validation_splitđối số không trống, fitnhật ký phương thức:

• val_loss : giá trị của hàm mất mát cho dữ liệu xác thực của bạn
• val_acc : giá trị độ chính xác cho dữ liệu xác thực của bạn

Lưu ý: Cơ chế điều chỉnh bị tắt vào thời điểm thử nghiệm vì chúng tôi đang sử dụng tất cả các khả năng của mạng.

Ví dụ: sử dụng verbosetrong khi tập luyện, mô hình giúp phát hiện tình trạng quá tải xảy ra nếu bạn acctiếp tục cải thiện trong khi val_acctình trạng ngày càng tệ hơn.

Theo mặc định verbose = 1,

verbose = 1, bao gồm cả thanh tiến trình và một dòng trên mỗi kỷ nguyên

verbose = 0, có nghĩa là im lặng

verbose = 2, một dòng trên mỗi kỷ nguyên tức là số kỷ nguyên. / tổng số không. của kỷ nguyên

Thứ tự của các chi tiết được cung cấp với cờ dài như

Ít chi tiết hơn .... Thêm chi tiết

0 <2 <1

Mặc định là 1

Đối với môi trường sản xuất, khuyến nghị 2

Video liên quan

Related posts: