Python sequential model.fit()调用的最终历史对象是否准确?
我有几个单独的训练数据集,当读作一个时,它会使jupyter中的内核崩溃。所以我做了一个变通方法,按顺序分别读取它们,并对同一个模型对象调用fit()Python sequential model.fit()调用的最终历史对象是否准确?,python,tensorflow,keras,neural-network,Python,Tensorflow,Keras,Neural Network,我有几个单独的训练数据集,当读作一个时,它会使jupyter中的内核崩溃。所以我做了一个变通方法,按顺序分别读取它们,并对同一个模型对象调用fit() 为了获得准确度指标,我只获取最终的历史对象,但这是否也表示所有以前的fit()-调用?默认情况下,每次调用fit时,历史记录都初始化为回调。除非你提供一些替代方案,否则这是不可能的。一种方法是将模型的历史记录作为回调从一个fit()调用传递到下一个fit(): model.fit(x, y, batch_size, epochs, callbac
为了获得准确度指标,我只获取最终的历史对象,但这是否也表示所有以前的fit()-调用?默认情况下,每次调用fit时,历史记录都初始化为回调。除非你提供一些替代方案,否则这是不可能的。一种方法是将模型的
历史记录作为回调从一个fit()
调用传递到下一个fit()
:
model.fit(x, y, batch_size, epochs, callbacks=[model.history])
通过这种方式,新值将附加到以前累积的值中,因此您可以在多次运行fit()
时获得统计信息
如果您需要更特殊的内容,请保存并处理每个fit中的历史记录
对象,或者使用内存编写自定义回调。结果看起来合理。虽然在keras纪录片中找不到。谢谢!它位于model.fit()的源代码中。如果未提供回调-将初始化包含历史记录的新回调列表。