Question

我在Theano之上使用Keras来创建一个MLP，我训练并使用它来预测时间序列。独立于我的网络的结构和深度，我无法弄清楚（Keras文档，StackOverflow，搜索网络......）Keras'model.fit()函数正在使用哪种训练算法（Backpropagation，...）。

在Theano中（之前没有Keras使用过）我可以用

来定义参数调整方式

self.train_step = theano.function(inputs=[u_in, t_in, lrate], outputs=[cost, y],
                                      on_unused_input='warn',
                                      updates=[(p, p - lrate * g) for p, g in zip(self.parameters, self.gradients)],
                                      allow_input_downcast=True)

没有找到任何信息会导致某种恐惧，我错过了一些必要的东西，这可能是一个完全愚蠢的问题。

有人可以帮帮我吗？非常感谢。

Answer 1

查看示例here：

...
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
...

model.fit 不使用算法来预测结果，而是使用您描述的模型。然后在model.compile

中指定优化算法

e.g。

model.compile(loss=keras.losses.categorical_crossentropy,
          optimizer=**keras.optimizers.Adadelta()**,
          metrics=['accuracy'])

您可以在此处找到有关可用优化工具的更多信息：https://keras.io/optimizers/

Keras model.fit（） - 使用哪种训练算法？

1 个答案: