Callbacks का कॉम्बिनेशन
डीप लर्निंग मॉडल्स को ट्रेन करने में काफी समय लग सकता है, खासकर जब आप गहरे आर्किटेक्चर और बड़े डेटासेट्स पर जाते हैं. हर बार जब आपका मॉडल बेहतर होता है तो उसे सेव करना, और जब सुधार रुक जाए तो ट्रेनिंग रोक देना, आपको epochs की संख्या चुनने की चिंता से काफी हद तक मुक्त करता है. आप किसी भी समय सेव किया हुआ मॉडल फिर से लोड कर सकते हैं और जहाँ छोड़ा था वहीं से ट्रेनिंग जारी रख सकते हैं.
मॉडल की ट्रेनिंग और वैलिडेशन डेटा आपके वर्कस्पेस में X_train, X_test, y_train, और y_test के रूप में उपलब्ध है.
EarlyStopping() और ModelCheckpoint() कॉलबैक्स का उपयोग करें ताकि आप आराम से कुकीज़ का जार खा आएँ, और आपका कंप्यूटर काम करता रहे!
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
अभ्यास निर्देश
tensorflow.kerasसेEarlyStoppingऔरModelCheckpointदोनों कॉलबैक्स इम्पोर्ट करें.monitor_val_accको एकEarlyStoppingकॉलबैक के रूप में बनाएँ जो'val_accuracy'को मॉनिटर करेगा, औरpatience3 epochs रखे.model_checkpointको एकModelCheckpointकॉलबैक के रूप में बनाएँ, और सबसे अच्छे मॉडल कोbest_banknote_model.hdf5नाम से सेव करें.- अपने मॉडल को फिट करें, जहाँ परिभाषित कॉलबैक्स की एक सूची (list) दें और वैलिडेशन डेटा के रूप में
X_testऔरy_testपास करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the EarlyStopping and ModelCheckpoint callbacks
from tensorflow.____.____ import ____, ____
# Early stop on validation accuracy
monitor_val_acc = ____(monitor = ____, patience = ____)
# Save the best model as best_banknote_model.hdf5
model_checkpoint = ____(____, save_best_only = True)
# Fit your model for a stupid amount of epochs
h_callback = model.fit(X_train, y_train,
epochs = 1000000000000,
callbacks = [____, ____],
validation_data = (____, ____))