Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线(训练接验证集)及效果可视化
Posted Data+Science+Insight
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线(训练接验证集)及效果可视化相关的知识,希望对你有一定的参考价值。
Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线(训练接、验证集)及效果可视化
在每个training/epoch/batch结束时,如果我们想执行某些任务,例如模型缓存、输出日志、计算当前的auc等等,Keras中的callback就派上用场了。
import numpy as np
from keras.models import Sequential
from keras.layers import Dense,Dropout
import tensorflow as tf
import keras
# 如果使用GPU版TensorFlow,并且在显卡高占用率的情况下训练模型,
# 那要在初始化Session时为其分配固定数量的显存,否则可能会在开始训练的时候直接报错退出
def get_session():
""" Construct a modified tf session.
"""
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
return tf.Session(config=config)
keras.backend.tensorflow_backend.set_session(get_session())
#数据
x_train = features_train
y_train = target_train
x_test = features_test
y_test = target_test
#第一层为输入层,20个节点
#第二次为64个节点
以上是关于Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线(训练接验证集)及效果可视化的主要内容,如果未能解决你的问题,请参考以下文章
keras构建前馈神经网络(feedforward neural network)进行多分类模型训练学习
keras构建前馈神经网络(feedforward neural network)进行回归模型构建和学习
keras构建前馈神经网络(feedforward neural network)进行分类模型构建基于早停法(Early stopping)
为啥在 Keras 中使用前馈神经网络进行单独的训练、验证和测试数据集可以获得 100% 的准确率?