Deep learning fit_生成器中AUT编码器的验证_数据
我正在尝试构建一个自动编码器,我想知道我是否再次将验证数据从测试生成器更改为训练生成器 Keras文件中这样说 “这可以是Deep learning fit_生成器中AUT编码器的验证_数据,deep-learning,autoencoder,Deep Learning,Autoencoder,我正在尝试构建一个自动编码器,我想知道我是否再次将验证数据从测试生成器更改为训练生成器 Keras文件中这样说 “这可以是 验证数据的生成器或序列对象 元组(x_val,y_val) 元组(x_val,y_val,val\u sample\u权重) 在每个历元结束时评估损失和任何模型度量的基础上。模型将不会在此数据上进行训练。” 通过改变验证数据来训练发生器,这不应该减少损失并提高精度吗 我是一个自动编码器的新手,我正在做一些大的事情,顺便问一下,准确率真的很差(35%),我能改进它吗 训练
- 验证数据的生成器或序列对象
- 元组(x_val,y_val)
- 元组(x_val,y_val,val\u sample\u权重)
我希望准确率达到80%或更高将培训数据作为验证数据不是一个好做法;您可能会提高显示的验证精度,但验证的目标是对看不见的数据模拟一个小测试,以查看您的模型在“现实”中是如何工作的。您应该为产生验证数据的验证创建一个单独的生成器;您可能会提高显示的验证精度,但验证的目标是对看不见的数据模拟一个小测试,以查看您的模型在“现实”中是如何工作的。您应该为产生验证数据的验证创建一个单独的生成器。
# normalize the images and Data Augmentation.
train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)
test_generator = test_datagen.flow_from_directory(
test_path,
target_size=(150,150),
batch_size=32,
class_mode='input',
shuffle=True)
#train the model
autoencoder_train = autoencoder.fit_generator(
train_generator,
steps_per_epoch=32,
epochs=10,
validation_data=train_generator,
validation_steps=32,
shuffle=True)