iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 28
0
AI & Data

實實在在地學習人工智慧-基礎理論探討與經典案例實作系列 第 28

【Day 28】開始寫程式拉!房價預測實戰演練 -開始訓練並畫出Loss曲線

  • 分享至 

  • xImage
  •  

昨天已經架設好網路架構,再來就是啟動讓他開始訓練模型拉!那這裡我用了一個滿重要的技巧叫做回調函數Callbacks(ModelCheckpoint),透過回調函數可以在我們訓練的過程中紀錄最好的model!

繼續實戰演練

設定回調函數開始訓練!

call = ModelCheckpoint('good.h5',
                     monitor = 'val_loss',
                     verbose = 0,
                     save_best_only = True,
                     save_weights_only = True,
                     mode = 'auto',
                     period = 1)

#ModelCheckpoint:!.保存的名稱2.要監視的值3.訊息展示的樣子4.5.設置為True的時候,當監視的數值變低會立即保存,也就是保存最好的(所以也有人會讓epochs很大很大去抓最好的,但神經網路或是資料沒有多做什麼調整其實不會差到太多)6.auto模式下在比對你的監視值他會自己判斷是不是變好還是變差,要不要儲存7CheckPoint間的epcoh數
model = model()    
history = model.fit(X_trian_normal_data, Y_trian,
                    validation_data = [X_validation_normal_data, Y_validation],
                    callbacks = [call],
                    epochs = 600, 
                    batch_size = 512, verbose = 1)
#model.fit的1.2.之前就有介紹過拉;3.validation_data就是加入驗證集去讓超參數跑得更好;4.callbacks看是否要使用,然後設定是怎樣子;5.epochs完整的資料要疊代幾次6.每次的批次大小是多少7.verbose:0是不輸出進度條;1是輸出進度條

輸出:
https://ithelp.ithome.com.tw/upload/images/20191013/20121049IJ28C3SYHH.jpg
https://ithelp.ithome.com.tw/upload/images/20191013/20121049IGV7VrNkOp.jpg

查看loss

#history 會記錄訓練的狀況,會將model.fit回傳的東西記錄下來,以下是常用的示範
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc = 'upper right')
plt.show()

輸出:
https://ithelp.ithome.com.tw/upload/images/20191013/20121049IUoQsDntqE.jpg

明天是分享如何將結果應用至test資料集並將其打包上傳至kaggle網站看看自己跟其他人的差別!
感謝大家的體諒了!也希望自己在忙碌之餘能繼續秉持著實在的精神。


上一篇
【Day 27】開始寫程式拉!房價預測實戰演練 -Keras建立神經網路和測試集資料調整
下一篇
【Day 29】開始寫程式拉!房價預測實戰演練 -拿出訓練好的模型預測測試集和上傳kaggle
系列文
實實在在地學習人工智慧-基礎理論探討與經典案例實作30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
tc_89
iT邦新手 5 級 ‧ 2023-09-20 01:44:37

想請問執行程式後,想看模型的accuracy,但是數值都是0,為什麼有這種狀況?

我要留言

立即登入留言