keras.backend的clear_session()方法没有清理拟合数据

Question

我正在比较不同类型数据质量的拟合精度结果。 A "good data" 是特征值中没有任何 NA 的数据。 A "bad data" 是特征值中有 NA 的数据。 "bad data" 应该通过一些值修正来修复。作为价值修正，它可能会用零或平均值替换 NA。

在我的代码中，我尝试执行多个拟合过程。

查看简化代码：

from keras import backend as K
...

xTrainGood = ... # the good version of the xTrain data 

xTrainBad = ... #  the bad version of the xTrain data

...

model = Sequential()

model.add(...)

...

historyGood = model.fit(..., xTrainGood, ...) # fitting the model with 
                                              # the original data without
                                              # NA, zeroes, or the feature mean values

根据 historyGood 数据查看拟合精度图：

之后，代码重置存储的模型并使用 "bad" 数据重新训练模型：

K.clear_session()

historyBad = model.fit(..., xTrainBad, ...)

查看拟合过程结果，基于historyBad数据：

可以注意到，初始精度 > 0.7，这意味着模型 "remembers" 之前的拟合。

为了比较，这是"bad"数据的独立拟合结果：

如何将模型重置为"initial"状态？

Answer 1

您使用 K.clear_session() 的方式不对，要获得一个随机初始化权重的模型，您应该删除旧模型（使用 del 关键字），然后继续创建一个新模型，并训练它。

您可以在每次试穿后使用 K.clear_session()。

Answer 2

K.clear_session() 不足以重置状态并确保再现性。您还需要：

设置（并重置）随机种子
重置 TensorFlow 默认图表
删除之前的模型

完成以下每一项的代码。

reset_seeds()
model = make_model() # example function to instantiate model
model.fit(x_good, y_good)

del model
K.clear_session()
tf.compat.v1.reset_default_graph()

reset_seeds()
model = make_model()
model.fit(x_bad, y_bad)

请注意，如果其他变量引用模型，您也应该 del 它们 - 例如model = make_model(); model2 = model --> del model, model2 - 否则它们可能会持续存在。最后，tf 随机种子不像 random 或 numpy 那样容易重置，并且需要事先清除图表。

Function/modules 使用:

import tensorflow as tf
import numpy as np
import random
import keras.backend as K

def reset_seeds():
    np.random.seed(1)
    random.seed(2)
    if tf.__version__[0] == '2':
        tf.random.set_seed(3)
    else:
        tf.set_random_seed(3)
    print("RANDOM SEEDS RESET")

Answer 3

实例化一个新的同名模型对象还不够？

model = make_model()

keras.backend的clear_session()方法没有清理拟合数据

The clear_session() method of keras.backend does not clean up the fitting data

python

keras

tensorflow

keras-2

tf.keras