Machine learning Keras中多输出模型的验证损失和验证数据
我想在Keras中训练一个具有一个输入和两个输出的模型,但是我在设置验证时遇到了一些问题 1) 声明model.fit可以在有多个输出时接收numpy数组列表作为输出。但是,对于model.fit的validation_data参数,它表示模型可以采用以下形式的元组(x_val,y_val)或(x_val,y_val,val_sample_weights)。那么,如何传入第二次输出的y_值?我是否能够使用validation_split实现这一点,或者validation split是否也只应用于我的一个输出 2) 另外,传递给EarlyStopping回调的验证丢失是什么?对于model.evaluate等函数返回的损失,将返回两个损失值。对于训练,损失之和乘以其重量将最小化。这是如何与EarlyStoping一起工作的?我希望提前停止也是基于损失之和乘以其重量的最小化,但我不知道这是否真的会发生Machine learning Keras中多输出模型的验证损失和验证数据,machine-learning,neural-network,keras,keras-2,Machine Learning,Neural Network,Keras,Keras 2,我想在Keras中训练一个具有一个输入和两个输出的模型,但是我在设置验证时遇到了一些问题 1) 声明model.fit可以在有多个输出时接收numpy数组列表作为输出。但是,对于model.fit的validation_data参数,它表示模型可以采用以下形式的元组(x_val,y_val)或(x_val,y_val,val_sample_weights)。那么,如何传入第二次输出的y_值?我是否能够使用validation_split实现这一点,或者validation split是否也只应用
y_train
和y_val
都可以是numpy.array
的列表。根据我的经验,val_split
应该可以正常工作早期停止
标准