machine-learning - 是否可以使用最小化 val_loss 和 test_loss 的 keras ModelCheckpoint?
问题描述
keras 中的(或回调的任何组合)可以ModelCheckpoints
用来保存同时最小化多个变量(在我的情况下是验证损失和测试损失)的模型,而不是只监控一个?
解决方案
当然,通过LambdaCallback
,请参阅keras或TensorFlow文档。它允许您像这样创建自定义回调:
custom_callback = LambdaCallback(on_epoch_end=lambda epochs, logs: model.save('best_test_loss') if logs['test_loss'] > logs['val_loss'] else model.save('best_val_loss'))
(...)
model.fit(...,
callbacks=[custom_callback])
推荐阅读
- python - Django admin 反向外键关系
- azure-devops - 指定的 Swagger 版本未知。Azure APIM ARM 模板
- javascript - 更新对象属性具有特定值的数组
- python - Pandas:根据除一行之外的其他多级列按组对最内列进行排序
- c# - 值未从 service-proxies.ts 文件传递到 Appservices.cs
- python - 如何为特定领域的表征学习任务训练一个 BERT 模型?
- reactjs - 如何使用reactjs“在警报框中显示表格行值”
- android - 星号红色未在 TextInputEditText 中显示
- rust - 为什么生成在 MPSC 通道上迭代的线程的程序永远不会退出?
- python - 从字符串添加装饰器