Ich benutze CNN für die Signalklassifizierung (zwei Klassen: Patient und Kontrolle). Mit vorzeitigem Stoppen, Ich möchte mit dem Training aufhören, bis der Validierungsfehler aufhört, zu verbessern. Ich bin nicht in der Lage schreiben Sie den Python-Code, um dies zu implementieren. Ich habe das versucht, konnte aber nicht weiter machen.CNN Training Frühes Stoppen
validation = cross_entropy.eval(feed_dict= {x:valid_x,y_:valid_y,keep_prob:1})
validation = np.append(validation,cross_entropy.eval(feed_dict= {x:valid_x,y_:valid_y,keep_prob:1}))
Kann mir jemand mit dem Code helfen?
Danke Ganesh! Ich verstehe nicht, wie man model.fit eingibt. Ich habe Zugdaten: train_x, Zuglabel: train_y, Validierungsdaten: valid_x, und Validierungsetikett: valid_y.Ich habe wie unten in Keras model.fit implementiert, bekomme aber Fehler. Ich verwende Tensorflow im Backend. Bitte hilf mir. model_info = modell.fit (train_x, train_y, validation_data = (valid_x, valid_y), Rückrufe = [early_stopping]) NameError: Name 'Modell' ist nicht definiert –
Gegeben Signale sind zeitbasiert, ich bin kein Experte, aber ich fühle etwas wie RNN mit LSTM wird besser sein, sieh hier: https://philipperemy.github.io/keras-stateful-lstm/. Dann wenn Sie CNN noch benötigen, schauen Sie sich dieses Beispiel an und sehen Sie, ob Sie das gleiche getan haben: https://github.com/keunwoochoi/kapre/blob/master/examples/example_codes.ipynb –