CommencerCommencez gratuitement

Arrêter précocement votre modèle

Le callback d’arrêt anticipé (early stopping) est utile, car il vous permet d’interrompre l’entraînement si les performances n’augmentent plus après un certain nombre d’époques. Pour en profiter, vous devez passer le callback dans une liste au paramètre callbacks de la méthode .fit().

Le model que vous avez construit pour détecter les faux billets est chargé et prêt à être entraîné, cette fois avec l’arrêt anticipé. X_train, y_train, X_test et y_test sont également à votre disposition.

Cet exercice fait partie du cours

<cours>Introduction au Deep Learning avec Keras</cours>
Voir le cours

Instructions de l’exercice

  • Importez le callback EarlyStopping depuis tensorflow.keras.callbacks.
  • Définissez un callback qui surveille 'val_accuracy' avec une patience de 5 époques.
  • Entraînez votre modèle en utilisant le callback d’arrêt anticipé.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the early stopping callback
from tensorflow.____.____ import ____

# Define a callback to monitor val_accuracy
monitor_val_acc = ____(monitor=____, 
                       patience=____)

# Train your model using the early stopping callback
model.____(____, ____, 
           epochs=1000, validation_data=____,
           callbacks= ____)
Modifier et exécuter le code