ПочатиПочніть безкоштовно

Комбінація колбеків

Моделі глибокого навчання можуть тренуватися довго, особливо коли ви переходите до глибших архітектур і більших наборів даних. Збереження моделі щоразу, коли вона поліпшується, а також зупинка навчання, коли покращень більше немає, знімає потребу перейматися вибором кількості епох. Ви також можете будь-коли відновити збережену модель і продовжити навчання з місця, де зупинилися.

Тренувальні та валідаційні дані моделі доступні у вашому робочому середовищі як X_train, X_test, y_train і y_test.

Використайте колбеки EarlyStopping() і ModelCheckpoint(), щоб ви могли спокійно відлучитися поїсти печива, поки комп'ютер працює!

Ця вправа є частиною курсу

Вступ до Deep Learning з Keras

Переглянути курс

Інструкції до вправи

  • Імпортуйте обидва колбеки EarlyStopping і ModelCheckpoint з tensorflow.keras.
  • Створіть monitor_val_acc як колбек EarlyStopping, який відстежуватиме 'val_accuracy', з patience у 3 епохи.
  • Створіть model_checkpoint як колбек ModelCheckpoint, збережіть найкращу модель як best_banknote_model.hdf5.
  • Навчіть вашу модель, передавши список із визначеними колбеками та X_test і y_test як валідаційні дані.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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 = (____, ____))
Редагувати та запускати код