Question

我现在开始发现Keras图书馆的学习，似乎在训练阶段选择了一个分钟数，但我不知道这个选择基于哪个假设。

在Mnist数据集中，所选时期的数量为4：

model.fit(X_train, Y_train,
          batch_size=128, nb_epoch=4,
          show_accuracy=True, verbose=1,
          validation_data=(X_test, Y_test))

有人能告诉我为什么以及如何选择正确数量的时代？

Answer 1

似乎你可能正在使用旧版本的keras，nb_epoch指的是已被epoch取代的时代数

如果查看here，您会看到它已被弃用。

一个时代意味着您已经训练了所有数据集（所有记录）一次，如果您有384条记录，则一个时期意味着您已经在所有384条记录上训练了所有数据集。批量大小意味着您建模的数据在单次迭代中使用，在这种情况下，128批量大小意味着您的模型一次需要128并执行一次前向传递和后向传递（反向传递）[这称为一次迭代] 。它为了分解这个例子，一次迭代，你的模型从你的整个384中获取128条记录[第一批]进行训练并进行前向传球和后向传球（反向传播）。在第二批，它需要129到256个记录并进行另一次迭代。然后是第3批，从256到384并执行第3次迭代。在这种情况下，我们说它已经完成了一个时代。 epoch的数量告诉模型它必须重复所有这些过程然后停止。

没有正确的方法来选择一些时代，这是通过实验来完成的，通常当模型停止学习（损失不再下降）时，你通常会降低学习率，如果不是在那之后下去，结果似乎或多或少正如你所料，然后你选择那个模型停止学习的时代

我希望它有所帮助

Answer 2

启动Keras 2.0，nb_epoch参数已在任何地方重命名为epochs。

迭代训练神经网络，对整个数据集进行多次传递。对整个数据集的每次传递都称为纪元。

有两种可能的方法可以选择最佳的历元数：

1）将epochs设置为较大的数字，并在验证准确性或损失停止改善时停止培训：所谓的early stopping

from keras.callbacks import EarlyStopping
early_stopping = EarlyStopping(monitor='val_loss', patience=4, mode='auto')

model.fit(X_train, Y_train,
      batch_size=128, epochs=500,
      show_accuracy=True, verbose=1,
      validation_data=(X_test, Y_test),callbacks = [early_stopping])

2）将时期数作为超参数考虑，并根据epochs值网格上的一组试验（运行）选择最佳值

Answer 3

在神经网络中，一个纪元等同于使用每个数据训练一次网络。

时期数nb_epoch因此是您在培训期间重复使用数据的次数。

神经网络中的nb_epoch代表什么？

3 个答案: