अर्ली स्टॉपिंग: ऑप्टिमाइज़ेशन को और बेहतर बनाना
अब जब आप optimization के दौरान अपने मॉडल के परफॉर्मेंस को मॉनिटर करना जानते हैं, तो आप अर्ली स्टॉपिंग का उपयोग करके optimization को तब रोक सकते हैं जब उससे और मदद नहीं मिल रही हो. चूँकि ऐसा होने पर optimization अपने-आप रुक जाएगा, आप .fit() कॉल में epochs का मान भी ज्यादा रख सकते हैं, जैसा कि डैन ने वीडियो में दिखाया था.
जिस मॉडल को आप optimize करेंगे, वह model के रूप में दिया गया है. पहले की तरह, डेटा predictors और target के रूप में पहले से लोड है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Deep Learning परिचय
अभ्यास निर्देश
tensorflow.keras.callbacksसेEarlyStoppingइम्पोर्ट करें.- मॉडल को कंपाइल करें:
optimizerके लिए फिर से'adam', loss फंक्शन के रूप में'categorical_crossentropy', और हर epoch पर accuracy देखने के लिएmetrics=['accuracy']का उपयोग करें. early_stopping_monitorनाम का एकEarlyStoppingऑब्जेक्ट बनाएँ. वैलिडेशन loss 2 epochs तक बेहतर न होने पर optimization रोकने के लिएEarlyStopping()केpatienceपैरामीटर को2सेट करें.- मॉडल को
predictorsऔरtargetके साथ फिट करें.epochsकी संख्या30रखें और validation split0.3उपयोग करें. इसके अलावा,callbacksपैरामीटर में[early_stopping_monitor]पास करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import EarlyStopping
____
# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]
input_shape = (n_cols,)
# Specify the model
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(100, activation='relu'))
model.add(Dense(2, activation='softmax'))
# Compile the model
____
# Define early_stopping_monitor
early_stopping_monitor = ____
# Fit the model
____