控制learning_rate并不适用

Question

我是TFLearn的新人。

我正在研究introduction tutorial给TFLearn，其中设定了固定数量的纪元。但是，我想知道是否可以使用组合 learning_rate 和准确度来确定网络培训的结束...... 例如：根据准确度降低或增加学习率......或根据准确度停止训练。

# Build neural network
net = tflearn.input_data(shape=[None, 6])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 2, activation='softmax')
net = tflearn.regression(net)

# Define model
model = tflearn.DNN(net)
# Start training (apply gradient descent algorithm)
model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)

：）

Answer 1

查看http://tflearn.org/models/dnn/和best_checkpoint_path以及best_val_accuracy。参数将保存您的最佳检查点。

如果您想停止训练，您必须自行编程回调以停止训练。这是一个很好的教程，关于使用TFlearn提前停止：http://mckinziebrandon.me/TensorflowNotebooks/2016/11/28/early-stop-solution.html