O objeto de histórico final das chamadas de model.fit () sequencial é preciso?

0
Voto

Eu tenho vários conjuntos de dados de treinamento separados que, quando lidos como um, travam o kernel no jupyter. Então, fiz uma solução alternativa e os li separadamente em uma sequência e chamei fit () no mesmo objeto-modelo.

Tenho vários conjuntos de dados de treinamento separados que, quando lidos como um, travam o kernel no jupyter. Então, fiz uma solução alternativa e os li separadamente em uma sequência e chamei fit () no mesmo objeto-modelo.

Para obter métricas de precisão, estou apenas pegando o objeto de histórico final, mas isso também representa todos os fit () -chamadas anteriores?

Para obter métricas de precisão, estou apenas pegando o objeto de histórico final, mas faz isso também representa todos os fit () -chamadas anteriores?

Fonte

neural network tensorflow python keras

1 Responda
1
Voto

Por padrão history é inicializado como um retorno de chamada sempre que você chamar ajuste. A menos que você forneça alguma alternativa. Uma maneira de fazer isso é passar no CADE-0 do modelo| de um fit() chamada para o próximo fit() como um retorno de chamada:

model.fit(x, y, batch_size, epochs, callbacks=[model.history])

dessa forma, os novos valores serão anexados aos valores acumulados anteriormente, para que você obtenha estatísticas de várias execuções do fit().

Se você precisa de algo mais especial -salve e processe o history objetos de cada ajuste ou escreva um retorno de chamada personalizado com memória.

Fonte

-ColdStormy

-Poe Dator

Você pode interessar

© 2021   OlaMundo.Org