Keras model.fit() - 使用了哪种训练算法?
Keras model.fit() - which training algorithm is used?
我在 Theano 之上使用 Keras 创建一个 MLP,我训练它并用它来预测时间序列。独立于我的网络的结构和深度,我无法弄清楚(Keras 文档、Whosebug、搜索网络...)Keras 的 model.fit()
函数正在使用哪种训练算法(反向传播,...)。
在 Theano 中(之前没有使用 Keras)我可以定义自己调整参数的方式
self.train_step = theano.function(inputs=[u_in, t_in, lrate], outputs=[cost, y],
on_unused_input='warn',
updates=[(p, p - lrate * g) for p, g in zip(self.parameters, self.gradients)],
allow_input_downcast=True)
没有找到任何信息会让人担心我遗漏了一些重要的东西,这可能是一个完全愚蠢的问题。
有人可以帮我吗?非常感谢。
看例子here:
...
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
activation='relu',
input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.Adadelta(),
metrics=['accuracy'])
model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
...
model.fit 不 使用算法来预测结果,而是使用您描述的模型。然后在 model.compile
中指定优化器算法
例如
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=**keras.optimizers.Adadelta()**,
metrics=['accuracy'])
您可以在此处找到有关可用优化器的更多信息:https://keras.io/optimizers/
我在 Theano 之上使用 Keras 创建一个 MLP,我训练它并用它来预测时间序列。独立于我的网络的结构和深度,我无法弄清楚(Keras 文档、Whosebug、搜索网络...)Keras 的 model.fit()
函数正在使用哪种训练算法(反向传播,...)。
在 Theano 中(之前没有使用 Keras)我可以定义自己调整参数的方式
self.train_step = theano.function(inputs=[u_in, t_in, lrate], outputs=[cost, y],
on_unused_input='warn',
updates=[(p, p - lrate * g) for p, g in zip(self.parameters, self.gradients)],
allow_input_downcast=True)
没有找到任何信息会让人担心我遗漏了一些重要的东西,这可能是一个完全愚蠢的问题。
有人可以帮我吗?非常感谢。
看例子here:
...
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
activation='relu',
input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.Adadelta(),
metrics=['accuracy'])
model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
...
model.fit 不 使用算法来预测结果,而是使用您描述的模型。然后在 model.compile
中指定优化器算法例如
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=**keras.optimizers.Adadelta()**,
metrics=['accuracy'])
您可以在此处找到有关可用优化器的更多信息:https://keras.io/optimizers/