机器学习笔记 – Keras中的回调函数Callback使用教程

训练深度学习模型既简单又复杂。因为使用 TensorFlow(特别是tensorflow.keras)这样的库非常容易上手。但是,虽然创建第一个模型很容易,但在知道自己在做什么的同时对其进行微调则要复杂一些。

例如,您需要了解如何监控学习过程、梯度下降或其他优化、正则化以及许多其他影响因素。

[En]

For example, you need to know about monitoring the learning process, gradient descent or other optimizations, regularization, and many other influencing factors.

因此,洞察正在发生的事情和自动化控制是调整深度学习模型非常重要的一点,以避免浪费时间进行人工干预。在 Keras 中,这可以通过tensorflow.keras.callbacksAPI 来实现。在本文中,我们将更详细地研究回调。我们将首先通过展示它们在监督机器学习过程中的作用来说明它们是什么。然后,我们介绍回调 API – 并针对每个回调,用示例说明它可以用于什么。最后,我们将展示如何使用tensorflow.keras.callbacks.Base该类创建自己的回调。

机器学习模型的训练和监督过程如下:

[En]

The process of training and supervising the machine learning model is as follows:

1、机器学习模型(通常是神经网络)被初始化。

2、训练集中的样本通过模型前馈,从而产生一组预测。

3、将预测与训练样本对应的标签进行比较,产生一个值(损失值)告诉我们模型预测和真值的差距。

4、基于损失值和随后的误差反向计算,进行权重微调,以期望模型表现得更好一些。然后,我们要么回到第 2 步,要么停止训练过程。

训练流程示意图如下

Original: https://blog.csdn.net/bashendixie5/article/details/124207898
Author: 坐望云起
Title: 机器学习笔记 – Keras中的回调函数Callback使用教程

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/496218/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球