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 Keras中多输出模型的验证损失和验证数据

machine-learning neural-network keras

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

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

指定

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

最终损失是所有模型损失的总和，用于检查

早期停止

标准