মডেলটি যাচাই করার সময় কেরাসে ভার্বোজের ব্যবহার কী?


95

আমি প্রথমবারের মতো এলএসটিএম মডেল চালাচ্ছি। এখানে আমার মডেল:

opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)

model = Model(inp,pred)
model.compile(....)

idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)

মডেলটি প্রশিক্ষণ দেওয়ার সময় ভার্বোজের ব্যবহার কী?

উত্তর:


227

মডেল.ফিটের জন্য ডকুমেন্টেশন চেক করুন এখানে

ভার্বোজ 0, 1 বা 2 সেট করে আপনি কেবল প্রতিটি পর্বের প্রশিক্ষণের অগ্রগতি কীভাবে 'দেখতে' চান তা বলবেন।

verbose=0 তোমাকে কিছুই দেখায় না (নীরব)

verbose=1 আপনাকে এটির মতো একটি অ্যানিমেটেড অগ্রগতি বার প্রদর্শন করবে:

অগ্রগতি_বার

verbose=2 কেবল এই জাতীয় যুগের সংখ্যা উল্লেখ করবে:

এখানে চিত্র বর্ণনা লিখুন


20
ক্রিয়াপদ: পূর্ণসংখ্যা। 0, 1, বা 2. ভার্বোসিটি মোড। 0 = নীরব, 1 = অগ্রগতি বার, 2 = এক পং প্রতি যুগ। ধন্যবাদ শিলা @ank ..
রাকেশ

4
এই মন্তব্যটি প্রশ্নের উত্তরের উত্তর, মন্তব্য করা উত্তরের চেয়েও ভাল। এটি নোট করুন এবং উত্তরটি আরও দীর্ঘতর করার জন্য শব্দগুলি এড়াতে চেষ্টা করুন। @ আরকেশ, আপনি দোলাচ্ছেন।
কনস্ট্যান্টিন সেকেরেশ

21

verbose: Integer। 0, 1, বা 2. ভার্বোসিটি মোড।

ভার্বোজ = 0 (নীরব)

ভার্বোজ = 1 (অগ্রগতি বার)

Train on 186219 samples, validate on 20691 samples
Epoch 1/2
186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc: 
0.7728 - val_loss: 0.4917 - val_acc: 0.8029
Train on 186219 samples, validate on 20691 samples
Epoch 2/2
186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc: 
0.8071 - val_loss: 0.4617 - val_acc: 0.8168

ভার্বোজ = 2 (প্রতি যুগের জন্য একটি লাইন)

Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075
Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046

আপনি কেন ব্যাখ্যা করতে পারবেন যে আমি কেন ভার্বোজের ডিফারেন্ট ভ্যাকুসের জন্য প্রত্যাশিত আউটপুট পাচ্ছি না। আমি আমার ফাইলটির জন্য ভার্বোজ = 0 এবং 2 এর জন্য একই [নীরব] আউটপুট পাচ্ছি? এবং ভার্বোস = 1 এর জন্য, আমি কেবল ইপোচের মতো ইপোক্সের শেষের দিকে অগ্রগতি বার পাচ্ছি 0.0 - 21s - লোকসান: 0.2354 - অভিহিত: 0.9286 - ভাল_লস: 0.2206 - ভাল_এসিসি: 0.9344 [======== =====================] নির্ভুলতা: 0.9344 ত্রুটি: 6.560000000000002
ডা নিশা অরোরা

দুর্দান্ত উত্তর, আমাকে সাহায্য। টেনসরফ্লো ২.২ এর জন্য বৈধ
ববস বার্গার

9

জন্য verbose> 0, fitপদ্ধতি লগ:

  • ক্ষতি : আপনার প্রশিক্ষণের ডেটাগুলির জন্য ক্ষতির ফাংশনের মান
  • acc : আপনার প্রশিক্ষণ ডেটার জন্য নির্ভুলতার মান।

দ্রষ্টব্য: যদি নিয়মিতকরণের ব্যবস্থাগুলি ব্যবহার করা হয় তবে অতিরিক্ত ফিট না করা এগুলি চালু করা হয়।

যদি validation_dataবা validation_splitতর্কগুলি খালি না থাকে তবে fitপদ্ধতি লগগুলি:

  • ভাল_লস : আপনার বৈধতা ডেটা জন্য ক্ষতির ফাংশনের মান
  • val_acc : আপনার বৈধতা ডেটা জন্য নির্ভুলতা মান

দ্রষ্টব্য: পরীক্ষার সময় নিয়মিতকরণ প্রক্রিয়াগুলি বন্ধ করা হয় কারণ আমরা নেটওয়ার্কের সমস্ত ক্ষমতা ব্যবহার করছি।

উদাহরণস্বরূপ, verboseমডেলটিকে প্রশিক্ষণের সময় ব্যবহার করা ওভারফিটিং শনাক্ত করতে সহায়তা করে যা যদি আপনার খারাপ হওয়ার সাথে সাথে accউন্নতি করতে থাকে তবে ঘটে val_acc


ভার্বোসিটি প্যারামিটারের নিয়মিতকরণের কী প্রাসঙ্গিকতা ?!
ক্রিসজি 15

ভারবোজ প্যারামিটার নিয়মিতকরণ ব্যবস্থায় কোনও প্রভাব ফেলেনি। আমি কেবল ভার্বোস সক্ষম হলে কী প্রদর্শিত হবে সে সম্পর্কে তথ্য যুক্ত করছি ("মডেলটির প্রশিক্ষণ দেওয়ার সময় ভার্বোজের ব্যবহার কী?" => প্রাক্তন: acc এবং val_acc এর তুলনা করে অত্যধিক ফিটনেস এড়ানো) এর প্রথম প্রশ্নের জবাব দিতে।
হুগো বেভিলাক্কোয়া

1

ডিফল্ট ভার্বোজ = 1 দ্বারা

ক্রিয়াপদ = 1, যার মধ্যে অগ্রগতি বার এবং প্রতি যুগের জন্য একটি লাইন উভয়ই অন্তর্ভুক্ত

ক্রিয়াপদ = 0, অর্থ নীরব

ভার্জোজ = 2, এককালীন প্রতি এক লাইন অর্থাৎ যুগের নং / মোট সংখ্যা। যুগের


0

ভার্বোজ পতাকা সহ সরবরাহিত বিশদ ক্রমটি হ'ল

কম বিশদ .... আরও বিশদ

0 <2 <1

ডিফল্ট হয় 1

উত্পাদন পরিবেশের জন্য, 2 প্রস্তাবিত হয়

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.