python的keras训练

发布时间:2022-05-05 09:52:22 人气:35 作者:多测师

  Keras 模型在输入数据和标签的 Numpy 矩阵上进行训练。为了训练一个模型,你通常会使用 fit 函数。文档详见此处。

  fit(self, x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,

  validation_split=0.0, validation_data=None, shuffle=True,

  class_weight=None, sample_weight=None, initial_epoch=0)

  本函数将模型训练nb_epoch轮,其参数有:

  x:输入数据,如果模型只有一个输入,那么x的类型是numpy array,如果模型有多个输入,那么x的类型应当是list,list的元素是对应于各个输入的numpy array

  y:标签 ,numpy array

  batch_size:整数,指定进行梯度下降时每个batch包含的样本数,训练时一个batch的样本会被计算一次梯度下降,使目标函数优化一步。

python的keras训练

  epochs:整数,训练的轮数,每个epoch会把训练集轮一遍。

  verbose:日志显示,0为不在标准输出流输出日志信息,1为输出进度条记录,2为每个epoch输出一行记录

  callbacks:list,,其中的元素是keras.callbacks.Callback的对象。这个list中的回调函数将会在训练过程中的适当时机被调用,参考回调函数。

  validation_split:0~1之间的浮点数,用来指定训练集的一定比例数据作为验证集。验证集将不参与训练,并在每个epoch结束后测试的模型的指标,如损失函数,精确度等。注意,validation_split的划分在shuffle之前,因此如果你的数据本身是有序的,需要先手工打乱再指定validation_split,否则可能会出现验证集样本不均匀。

  validation_data:形式为(X,y)的tuple,是指定的验证集,此参数将覆盖validation_spilt。

  shuffle:布尔值或者字符串,一般为布尔值,表示是否在训练过程中随机打乱输入样本的顺序。若为字符串“batch”,则用来处理HDF5数据大特殊情况,它将在batch内部将数据打乱。

  class_weight:字典,将不同的类别映射为不同的权重,该参数用来训练过程中调整损失函数(只能用于训练)

  sample_weight:权值的numpy array,用于在训练时调整损失(仅用于训练)。

  可以传递一个1D的与样本等长的向量用于对样本进行1对1的加权,或者在面对时序数据时,传递一个的形式为(samples,sequence_length)的矩阵来为每个时间步上的样本赋不同的权。这种情况下请确定在编译模型时添加了sample_weight_mode=‘temporal’。

  initial_epoch:从该参数指定的epoch开始训练,在继续之前的训练时候有用。

  fit函数返回一个History的对象,其History.history属性记录了损失函数和其他指标的数值随着epoch变化的情况,如果有验证集的话,也包含了验证集的这些指标变化情况。

  以上内容为大家介绍了python的keras训练,希望对大家有所帮助,如果想要了解更多Python相关知识,请关注多测师。https://www.e70w.com/xwzx/


返回列表
在线客服
联系方式

热线电话

17727591462

上班时间

周一到周五

二维码
线