学习 keras 库，改进权重和偏差答案

【问题标题】：Learning about keras library, improving weights and bias学习 keras 库，改进权重和偏差
【发布时间】：2019-09-14 20:43:37
【问题描述】：

我是一名新用户，想了解更多关于神经网络的知识。我的问题是。当 keras 训练时。并且正在改变准确度（权重和偏差改善），keras 是否以更多百分比保存最后一个准确度？

例如。（我做的最后一个 NET）

1570/1570 [==============================] - 1s 352us/sample - loss: 0.1273 - acc: 0.9605
Epoch 13573/20000
1570/1570 [==============================] - 1s 380us/sample - loss: 0.1106 - acc: 0.9580
Epoch 13574/20000
1570/1570 [==============================] - 1s 397us/sample - loss: 0.0660 - acc: 0.9764
Epoch 13575/20000
1570/1570 [==============================] - 0s 308us/sample - loss: 0.0849 - acc: 0.9707
Epoch 13576/20000
1570/1570 [==============================] - 1s 359us/sample - loss: 0.0549 - acc: 0.9815
Epoch 13577/20000
1570/1570 [==============================] - 1s 359us/sample - loss: 0.0502 - acc: 0.9828
Epoch 13578/20000
1570/1570 [==============================] - 1s 331us/sample - loss: 0.0492 - acc: 0.9834
Epoch 13579/20000
1570/1570 [==============================] - 1s 375us/sample - loss: 0.0531 - acc: 0.9841
Epoch 13580/20000
1570/1570 [==============================] - 0s 312us/sample - loss: 0.0445 - acc: 0.9866
Epoch 13581/20000
1570/1570 [==============================] - 1s 375us/sample - loss: 0.0438 - acc: 0.9860
Epoch 13582/20000
1570/1570 [==============================] - 1s 373us/sample - loss: 0.0601 - acc: 0.9796
Epoch 13583/20000
1570/1570 [==============================] - 1s 406us/sample - loss: 0.0905 - acc: 0.9669
Epoch 13584/20000
1570/1570 [==============================] - 1s 420us/sample - loss: 0.1169 - acc: 0.9580

如果我决定结束当前的训练。 Keras 采用 acc: 0.9866 的权重和偏差，还是 Keras 将采用最后一个？（在本例中为 0.9580）损失更多。

以防 Keras 拿下最后一个。我想知道是否有可能添加一些行并保存权重和偏差（当 acc(last) > acc(past) 时）。

以防万一。一个简单的代码示例。

X = # Data imput
Y = # Data output

model = keras.Sequential([ keras.layers.Flatten(input_shape=(1, 14)),
                           keras.layers.Dense(56, activation='relu'),
                           keras.layers.Dense(28, activation='relu'),
                           keras.layers.Dense(14, activation='relu'),
                           keras.layers.Dense(7, activation='relu'),
                           keras.layers.Dense(2, activation='softmax') ])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(X, Y, epochs=20000)

test_loss,test_acc = model.evaluate(X,Y)

【问题讨论】：

标签： tensorflow keras

【解决方案1】：

如果我决定结束当前的训练。 Keras 承担重量和与 acc 的偏差：0.9866 还是 Keras 会排在最后？（在这种情况下 0.9580) 损失更多。

Keras 将占据最后。要保存最佳权重，您可以通过callbacks 参数将ModelCheckpoint 回调传递给model.fit。要编写自定义逻辑来保存权重，您可以使用LambdaCallback。

https://keras.io/callbacks/#modelcheckpoint

https://keras.io/callbacks/#lambdacallback

【讨论】：