回答編集履歴
2
s
answer
CHANGED
|
@@ -1,4 +1,32 @@
|
|
|
1
1
|
なにを回帰分析したいのでしょうか？
|
|
2
2
|
|
|
3
3
|
パット見た感じ、全結合層が多すぎる気がするのですが。。
|
|
4
|
-
画像なら CNN を使ったほうがよいかと思います。
|
|
4
|
+
画像なら CNN を使ったほうがよいかと思います。
|
|
5
|
+
|
|
6
|
+
## 追記
|
|
7
|
+
|
|
8
|
+
> predictがニューラルネットの結果を出力しているもの
|
|
9
|
+
|
|
10
|
+
その認識であっていますよ。
|
|
11
|
+
整理すると、以下のようになります。
|
|
12
|
+
|
|
13
|
+
dropout: 学習時に設定した確率に従い、ランダムにニューロンを脱落させる処理。**推論時は適用されない**。
|
|
14
|
+
|
|
15
|
+
* predict(): ニューラルネットワークの予測値: 推論時なので **dropout なし**のネットワーク計算された値。
|
|
16
|
+
* evaluate(): ニューラルネットワークの損失関数の値: 推論時なので **dropout なし**のネットワーク計算された値。
|
|
17
|
+
* fit() 時に表示される val_loss: 推論時なので **dropout なし**のネットワークで計算された値。
|
|
18
|
+
* fit() 時に表示される loss: 学習時の **dropout あり**のネットワークで計算された値。
|
|
19
|
+
|
|
20
|
+
> なぜ fit() 時に表示される loss は14%なのに、evaluate() 時の誤差は2.6%なのか
|
|
21
|
+
> なぜ fit() 時に表示される loss は14%で val_loss は2%代なのか
|
|
22
|
+
|
|
23
|
+
これらは上記の通り、loss の値は dropout が適用されたネットワークで計算した値で、その他は推論時なので dropout を適用していないネットワークで計算した値だからです。
|
|
24
|
+
|
|
25
|
+
> 最終エポック終了時の予測，あわよくば各エポック毎をcsvに出力する方法はありますか？
|
|
26
|
+
|
|
27
|
+
[CSVLogger](https://keras.io/ja/callbacks/#csvlogger) を使うと、各エポックごとの結果をファイルに残せます。
|
|
28
|
+
|
|
29
|
+
```
|
|
30
|
+
csv_logger = CSVLogger('training.log')
|
|
31
|
+
model.fit(X_train, Y_train, callbacks=[csv_logger])
|
|
32
|
+
```
|
1
d
answer
CHANGED
|
@@ -1,4 +1,4 @@
|
|
|
1
1
|
なにを回帰分析したいのでしょうか？
|
|
2
2
|
|
|
3
3
|
パット見た感じ、全結合層が多すぎる気がするのですが。。
|
|
4
|
-
画像なら CNN
|
|
4
|
+
画像なら CNN を使ったほうがよいかと思います。
|