我正在比較不同類型數據質量的擬合精度結果?！昂脭祿笔翘卣髦抵袥]有任何 NA 的數據?！皦臄祿笔翘卣髦抵芯哂?NA 的數據。應該通過一些值校正來修復“壞數據”。作為值校正，它可能會用零或平均值替換 NA。在我的代碼中，我試圖執行多個擬合程序。查看簡化的代碼：from keras import backend as K...xTrainGood = ... # the good version of the xTrain data xTrainBad = ... # the bad version of the xTrain data...model = Sequential()model.add(...)...historyGood = model.fit(..., xTrainGood, ...) # fitting the model with # the original data without # NA, zeroes, or the feature mean values根據historyGood數據查看擬合精度圖：之后，代碼重置存儲的模型并使用“壞”數據重新訓練模型：K.clear_session()historyBad = model.fit(..., xTrainBad, ...)根據historyBad數據查看擬合過程結果：可以注意到，初始精度> 0.7，這意味著模型“記住”了之前的擬合。為了比較，這是“壞”數據的獨立擬合結果：如何將模型重置為“初始”狀態？
3 回答
慕運維8079593
TA貢獻1876條經驗 獲得超5個贊
K.clear_session()不足以重置狀態并確保可重復性。您還需要：
設置（和重置）隨機種子
重置 TensorFlow 默認圖
刪除以前的模型
完成以下各項的代碼。
reset_seeds()
model = make_model() # example function to instantiate model
model.fit(x_good, y_good)
del model
K.clear_session()
tf.compat.v1.reset_default_graph()
reset_seeds()
model = make_model()
model.fit(x_bad, y_bad)
請注意，如果其他變量引用模型，您也應該使用del它們 - 例如model = make_model(); model2 = model--> del model, model2- 否則它們可能會持續存在。最后，tf隨機種子不像random's 或numpy's 那樣容易重置，并且需要事先清除圖形。
使用的功能/模塊：
import tensorflow as tf
import numpy as np
import random
import keras.backend as K
def reset_seeds():
np.random.seed(1)
random.seed(2)
if tf.__version__[0] == '2':
tf.random.set_seed(3)
else:
tf.set_random_seed(3)
print("RANDOM SEEDS RESET")
狐的傳說
TA貢獻1804條經驗 獲得超3個贊
您K.clear_session()以錯誤的方式使用，要獲得具有隨機初始化權重的模型，您應該刪除舊模型（使用del關鍵字），然后繼續創建一個新模型，并對其進行訓練。
您可以K.clear_session()在每次安裝程序后使用。
添加回答
舉報
0/150
提交
取消