python - 使用 epoch 和 batch 进行神经网络优化
问题描述
我正在尝试通过查找提供最高准确度的时期和批次的数量来优化给定的神经网络(例如感知器多层,具有 2 个隐藏层)。
for epoch from 10 to 200 (in steps of 10):
for batch from 40 to 200 (in steps of 20):
modele.fit (X_train, Y_train, epochs = epoch, batch_size = batch)
I save batch, epoch, Accuracy;
之后,我保留了具有最高识别率的最小对应批次的最小时期 ex best_params:时期 = 10,批次 = 150 =>准确度 = 94%
我的问题是,当我使用 best_params 重新运行我的模型时,它不会给我相同的结果(损失、准确度),甚至有时准确度非常低(例如 10%)。
我尝试修复种子,但没有最好的结果
问候
Djam75
解决方案
感谢更新。
我通过保存模型并在之后加载它来解决我的问题。
谢谢你的想法(批量标准化)和额外的想法:不是用户;-)
问候
推荐阅读
- node.js - 使用贝宝和自动提款付款保留付款
- ios - 如何知道我的 iPhone 与哪个蓝牙 5 功能兼容?
- apache-spark - 如何在一些停用词后过滤文本?
- xamarin.forms - 移动底部的按钮并为编辑器提供更多空间
- c - C文件中的结构列表
- javascript - jQuery - AJAX - 通过 FormData 上传文件不起作用
- swift - OSLog Logger 在 XCode Playground 上不起作用:无法查找符号:___dso_handle
- selenium - eclipse项目名称上显示错误图标
- android - datasnapshot 没有得到数据?
- python - 用于 colmap 重建的 SURF 特征