回答編集履歴
2
色々追加
test
CHANGED
@@ -1,3 +1,5 @@
|
|
1
|
+
#### 回答
|
2
|
+
|
1
3
|
これは一例(学習がうまくいっているパターン)ですが精度(accuracy)が一定のepoch毎に上がったり下がったりしますが全体の傾向として上昇傾向になるという例です。
|
2
4
|
|
3
5
|
ある一定区間(一定epoch数)だけをみると下がっているように見えるので「精度が下がったように見えた」という状況かもしれません。
|
@@ -12,4 +14,92 @@
|
|
12
14
|
|
13
15
|
|
14
16
|
|
17
|
+
#### 対策
|
18
|
+
|
15
19
|
精度やロスが減少傾向になっているか確認するのはどうするのか、上記のように精度とロスをプロットすることです。便利なことにKerasは学習中の精度とロスを履歴記録してくれるので簡単にプロットすることができます。
|
20
|
+
|
21
|
+
```python
|
22
|
+
|
23
|
+
# 質問者様のコードを利用します
|
24
|
+
|
25
|
+
# http://aidiary.hatenablog.com/entry/20161109/1478696865 より
|
26
|
+
|
27
|
+
def plot_history(history):
|
28
|
+
|
29
|
+
# print(history.history.keys())
|
30
|
+
|
31
|
+
|
32
|
+
|
33
|
+
# 精度の履歴をプロット
|
34
|
+
|
35
|
+
plt.plot(history.history['acc'])
|
36
|
+
|
37
|
+
plt.plot(history.history['val_acc'])
|
38
|
+
|
39
|
+
plt.title('model accuracy')
|
40
|
+
|
41
|
+
plt.xlabel('epoch')
|
42
|
+
|
43
|
+
plt.ylabel('accuracy')
|
44
|
+
|
45
|
+
plt.legend(['acc', 'val_acc'], loc='lower right')
|
46
|
+
|
47
|
+
plt.show()
|
48
|
+
|
49
|
+
|
50
|
+
|
51
|
+
# 損失の履歴をプロット
|
52
|
+
|
53
|
+
plt.plot(history.history['loss'])
|
54
|
+
|
55
|
+
plt.plot(history.history['val_loss'])
|
56
|
+
|
57
|
+
plt.title('model loss')
|
58
|
+
|
59
|
+
plt.xlabel('epoch')
|
60
|
+
|
61
|
+
plt.ylabel('loss')
|
62
|
+
|
63
|
+
plt.legend(['loss', 'val_loss'], loc='lower right')
|
64
|
+
|
65
|
+
plt.show()
|
66
|
+
|
67
|
+
|
68
|
+
|
69
|
+
# model.fitの戻り値で学習履歴(Historyオブジェクト)を受け取れます
|
70
|
+
|
71
|
+
history = model.fit(X_train, y_train, batch_size=100, verbose=1, epochs = epoch, validation_data = (X_test,y_test))
|
72
|
+
|
73
|
+
|
74
|
+
|
75
|
+
# 学習履歴をプロット
|
76
|
+
|
77
|
+
plot_history(history)
|
78
|
+
|
79
|
+
```
|
80
|
+
|
81
|
+
|
82
|
+
|
83
|
+
#### 参考
|
84
|
+
|
85
|
+
[人工知能に関する断創録 - KerasでMNIST](http://aidiary.hatenablog.com/entry/20161109/1478696865)
|
86
|
+
|
87
|
+
> 学習履歴のプロット
|
88
|
+
|
89
|
+
fit()の戻り値である history に学習経過の履歴が格納されている。このオブジェクトを使えばいろいろな経過情報をプロットできる。デフォルトでは、loss(訓練データセットの損失)だけだが、modelのmetricsにaccuracyを追加するとacc(精度)が、バリデーションデータセットを使うとval_loss(バリデーションデータセットの損失)やval_acc(バリデーションデータセットの精度)が自動的に追加される。さっきの図はこのデータを使ってmatplotlibで書いた。ユーザ独自のメトリクスも定義できるようだ。
|
90
|
+
|
91
|
+
|
92
|
+
|
93
|
+
[Keras - History](https://keras.io/ja/callbacks/#history)
|
94
|
+
|
95
|
+
|
96
|
+
|
97
|
+
#### おまけ
|
98
|
+
|
99
|
+
ついでにKerasのCallbackあたりを調べておくとモデルの学習が捗ると思います。
|
100
|
+
|
101
|
+
特に[EarlyStopping](https://keras.io/ja/callbacks/#earlystopping)や[ModelCheckpoint](https://keras.io/ja/callbacks/#modelcheckpoint)なんかがよく使うかなと。
|
102
|
+
|
103
|
+
|
104
|
+
|
105
|
+
[Keras - callbaks](https://keras.io/ja/callbacks/)
|
1
説明追加
test
CHANGED
@@ -1,4 +1,6 @@
|
|
1
1
|
これは一例(学習がうまくいっているパターン)ですが精度(accuracy)が一定のepoch毎に上がったり下がったりしますが全体の傾向として上昇傾向になるという例です。
|
2
|
+
|
3
|
+
ある一定区間(一定epoch数)だけをみると下がっているように見えるので「精度が下がったように見えた」という状況かもしれません。
|
2
4
|
|
3
5
|
|
4
6
|
|
@@ -7,3 +9,7 @@
|
|
7
9
|
![イメージ説明](af9e866ad378e96226435ff1a3dfc4ab.png)
|
8
10
|
|
9
11
|
[Display Deep Learning Model Training History in Keras](https://machinelearningmastery.com/display-deep-learning-model-training-history-in-keras/)
|
12
|
+
|
13
|
+
|
14
|
+
|
15
|
+
精度やロスが減少傾向になっているか確認するのはどうするのか、上記のように精度とロスをプロットすることです。便利なことにKerasは学習中の精度とロスを履歴記録してくれるので簡単にプロットすることができます。
|