Question

我试图通过在原始数据中添加噪音和随机突变来减少过度拟合。

我有一个改变训练数据的功能

x, y = generate_data()

我希望每个时代都可以调用它并在新数据上训练我的模型。希望是减少过度拟合。

history = model.fit(x, y, epochs=100, batch_size=64)

更改每个新纪元数据的最佳方法是什么？

Answer 1

只是一个猜测。尝试：

for _ in range(num_epochs):
    x, y = generate_data()
    history = model.fit(x, y, epochs=1, batch_size=64)

Answer 2

model.fit有一个shuffle参数，默认值为True。因此，它会在每个时代对样本进行洗牌。

def fit(self, x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,
            validation_split=0., validation_data=None, shuffle=True,
            class_weight=None, sample_weight=None, initial_epoch=0, **kwargs)

Keras：如何改变每个时代的数据

2 个答案: