我正在使用scipy.optimize.minimize库自定义编写我的损失函数。results = minimize(customised_objective_func,params,method = "BFGS",options = myoptions) 我保留了最近4次迭代计算的损失函数的值，如果满足该条件，我想要检查它们的一些方差。我想停止函数调用(退出进一步的
浏览 45提问于2021-08-19得票数 0
回答已采纳
2回答
我正在使用Keras为我的项目训练一个神经网络。Keras提供了一个提前停止的函数。我可以知道应该观察哪些参数以避免通过使用提前停止来过拟合我的神经网络吗？
浏览 2提问于2017-05-11得票数 107
回答已采纳
1回答
现在，我一直使用在没有validation_split的情况下提前停止。然而，我发现奇怪的是，即使没有指定验证分割，它仍然会提前停止我的培训。这让我感到惊讶，因为我以为只有当验证分数没有提高时，训练才会停止。知道为什么会这样吗？我很想知道。
浏览 15提问于2022-05-23得票数 0
2回答
什么时候停止训练？
、、、、
下面是我受过训练的网络的一个示例日志：I0430 11:51:21.968654 23334 sgd_solver.cpp:105] Iteration 71140, lr = 0.001
令我困惑的是失去我打算停止训练我的网络时，损失低于0.0001，但有两个损失</em
浏览 2提问于2017-04-30得票数 2
回答已采纳
3回答
我正在训练我的神经网络，并使用提前停止。我的耐心是10，验证损失最小的时期是15。我的网络运行到25个时期，然后停止，但如果我理解正确，我的模型是具有25个时期的模型，而不是15
有没有简单的方法可以恢复到15个时期的模型，或者我需要重新实例化模型并运行15个时期？
浏览 11提问于2019-07-05得票数 1
回答已采纳
--max-samples --max-updates --max-checkpoints --max-num-epochs --max-num-checkpoint-not-improved 此任务的合理停止标准是什么
浏览 16提问于2020-10-02得票数 2
回答已采纳
2回答
停止训练的好处是什么？
、、、
这是我在每个时期之后的损失和准确性。它是一个序列到序列的模型，有4个输入和输出标记。enter image description here 如果我实现提前停止，我会在哪里停止训练？开发损失和准确率还没有开始下降，你会怎么做？ 谢谢。
浏览 22提问于2020-01-27得票数 0
该函数可用于进行模型拟合.然而，我们可以使用scipy.optimize.minimize来做同样的事情。唯一的区别是，scipy.optimize.least_squares在内部进行计算，而如果一个人想要使用scipy.optimize.minimize，他/她必须手工计算用户想要最小化的函数内的气平方另外，scipy.optimize.least_squares不能被认为是scipy.optimize.minimize
浏览 1提问于2018-03-10得票数 6
1回答
我有3种不同的衡量标准的分数，我把它们组合成一个权重，我想用最优系数来确定组合时的权重系数(而不是把它们都平等地对待，取平均值，这就是我以前做的)。下面代码中显示的CV函数处理实现交叉验证和计算对反应的预测(其中一个反应只有“相似”或“不喜欢”)。weight = A*(metric1) + B*(metric2) + C*(metric3)我希望最大化我的</e
浏览 2提问于2017-06-19得票数 4
回答已采纳
我用大量的历次训练我的CNN模型，每次我打印训练损失和准确性，但是在这两个指标中有很多高和低，我想提前停止，例如，损失0.2，准确率在%95或更高，因为我在不止一个时期得到了这个值，我的问题是：
1-列车组或验证组是否提前停车2-如果在验证集上，我是否应该为每一个具有火车组丢失和准确性的时代打印验证损失和准确性？3-你能给出一个想法，用一段代码来做早期停止，而不是
浏览 0提问于2019-01-25得票数 2
回答已采纳
3回答
当我试图训练的神经网络的验证误差慢慢减小，但没有太多的减少时，是否可以在这一点上停止训练，还是需要增加训练时间直到达到最小的验证误差？例如，在过去的5个时代中，我的验证错误如下所示：谢谢,
浏览 0提问于2020-03-13得票数 0
回答已采纳
2回答
我有一个高度不平衡的数据集，只有不到0.5%的次要类。使用Keras，我将对DNN进行培训，并评估验证集的性能。损失函数为binary_crossentropy。我把我的早期停止f1评分，而不是验证损失。我在训练期间观察到的是，f1分数上下波动很大，而验证损失却在减少。实际上，我的f1分数很低，而且早停下来，尽管f1的分数是很多时代的.
我对此很困惑。我是不是应该
浏览 0提问于2018-11-17得票数 6
我正在使用一个高度倾斜的计数数据集，该数据集通常适合负二项式。我想在Keras或Tensorflow中使用负二项作为前馈神经网络的损失函数。据我所知，在查看了可用的损失函数后，keras或tensorflow不存在这样的函数(尽管我希望我错了，我只是错过了一些东西)。我环顾四周，看到一些帖子建议只交换损失以包含负二项式，但似乎在tensorflow中创建自定义损失不仅仅是用tf.c
浏览 7提问于2018-09-06得票数 5
TensorBoard
我是机器学习的新手。我正在尝试使用Tensorflow对象检测API训练一个手检测模型。我正在使用数据集。训练中有4400幅图像，测试中有400幅。我使用的是Tensorflow 1.15。我基本上是在遵循sentdex教程，做了一些修改。我使用的是模型动物园的ssd_mobilenet_v2_coco。
5000步后的损失在1-2之间。现在它的步数接近20000步，损失仍然在1-2之间。这是正常还是不正常？我应该进行更多
浏览 3提问于2020-11-08得票数 1
2回答
我使用YOLOv4-tiny作为我从收集的26个类的自定义数据集。数据集几乎是平衡的(每个类有850个图像，但边界框的数量不同)。当我使用YOLOv4-tiny在3个班级上训练时，损失接近0.5，它相当准确。但是对于26个类别，一旦损失低于2，模型就开始过度拟合。预测也是非常不准确的。使用常规的YOLOv4模型而不是YOLO-tiny也无济于事。我如何才能进一步降低损失？
浏览 0提问于2020-08-31得票数 0
1回答
我的机器学习模型在很大程度上超过了训练数据，但在测试数据上仍然表现得很好。当使用神经网络方法时，每次迭代都会略微增加测试集上的精度，但会大大提高训练集上的精度(过拟合)。测试分数不断提高，而与训练集的分歧只是增加到这样的点，在第20次迭代中，模型在训练数据上几乎完美地执行，同时测试精度从不降低，以证明提前停止。我尝试了许多正则化选项，包括不同的失落率，权重衰减，L2，但似乎没有一个能避免记住部分训练数据，并且在测试集上的表现都较差。这
浏览 28提问于2019-11-08得票数 1
所以我有一些功能 # Do some stuff通常，如果函数只是def fun(x,y):，我就可以执行scipy.optimize.minimize(x,args=(y))了。使用args=(y=value)会给我提供无效的语法(当然，它看起来非常错误)，但我不确定正确的语法是什么。
如果相关，我将使用Pyt
浏览 0提问于2020-02-06得票数 0
我在带有patience=2的回调中使用EarlyStopping在keras中训练了一个模型
model.fit(X_train, y_train, batch_size=batch_size, epochs当我现在运行model.evaluate时，它是采用4个时期后训练的模型还是2个时期后训练的模型？是否需要使用ModelCheckpoint保存并加载最佳模型，然后才能进行评估？
浏览 1提问于2020-11-26得票数 1
假设我有一个非常多的连续值，代表一个股票价格随着时间的推移。prices = [22,23,25,23,26,25,28,22] # and so on…take_profit_index = np.where[relevant_prices < take_profit][0]
…然后比较指标，确定哪种
浏览 9提问于2022-07-03得票数 1
回答已采纳
3回答
我很抱歉，因为我的问题可能听起来很愚蠢。但我在深度学习和咖啡因方面还是个新手。我们如何检测需要多少次迭代才能对我们自己的数据集上的预训练进行微调？例如，我使用5个类对我自己的数据运行fcn32。我什么时候可以通过观察训练阶段的损失和准确性来停止微调过程？
非常感谢
浏览 66提问于2017-01-15得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
