Каково использование verbose в Keras при проверке модели?

Я впервые запускаю модель LSTM. Вот моя модель:

opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)

model = Model(inp,pred)
model.compile(....)

idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)

что пользы verbose пока тренирующ модель?

7
deep-learning keras python verbose

2 ответов

проверьте документацию для модели.fit здесь.

установив verbose 0, 1 или 2, вы просто говорите, как вы хотите "видеть" прогресс обучения для каждой эпохи.

verbose=0 покажет вам ничего (молчит)

verbose=1 покажет вам анимированный индикатор выполнения, как это:

progres_bar

verbose=2 просто упомянем количество эпох, как это:

enter image description here

23

на verbose > 0, fit способ журналы:

  • потеря: значение функции потери для ваших данных обучения
  • acc: значение точности для ваших тренировочных данных.

Примечание: Если используются механизмы регуляризации, они включаются, чтобы избежать переобучения.

если validation_data или validation_split аргументы не пусты, fit способ журналы:

  • val_loss: значение функции потери для ваших данных проверки
  • val_acc: значение точности для проверки данных

Примечание: механизмы регуляризации отключены на время тестирования, потому что мы используем все возможности сети.

например, используя verbose во время обучения модель помогает обнаружить переоснащение, которое происходит, если ваш acc держит улучшения пока ваш val_acc стало еще хуже.

0