python - Tensorflow 自定义模型权重不会随每个时期更新
问题描述
我是 Tensorflow 的新手,我目前正在制作个人项目以获取经验。目前,我正在尝试根据 2017 年的研究论文“An Unsupervised Neural Attention Model for Aspect Extraction”创建一个个人项目。本文的链接在此处给出。我一直在大量使用研究人员的 Github 存储库中提到的代码来训练这个自定义模型的部分。可以在此处找到指向她的 repo 的链接。可以看出,每个 epoch 之后权重都没有更新。这是我笔记本的链接。请帮助我解决这个问题。另外,您能否分享一下她为什么定义该模型的损失和指标,如下所示?
def max_margin_loss(y_true, y_pred):
return K.mean(y_pred)
optimizer_ = Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, clipnorm=10, clipvalue=0)
my_model.compile(optimizer=optimizer_, loss=max_margin_loss, metrics=[max_margin_loss])
有没有办法使用铰链损失自定义层作为损失?
解决方案
是的,如果你想使用铰链损失函数,你可以直接调用它。
model.compile(loss='hinge', optimizer=opt, metrics=['accuracy'])
推荐阅读
- python - Modin 库在进行简单的 pandas 操作时抛出错误
- javascript - 异步需求
- swift - Swift 5:如何释放由共享库分配的内存
- angular - 尝试打开 MatSnackBar 时 this._portalOutlet 未定义
- r - 如何将 NA 值替换为赋予相同 ID 的先前非 NA 值
- python - 查找每个客户拥有的最大产品数量
- android - 在主线程中访问协程时出现非法状态异常
- php - Laravel 刀片不尊重日期转换格式
- elasticsearch - 使用弹性搜索在多边形内拾取对象
- mongoose - GraphQL“ID 不能代表值...”错误,但突变工作正常