質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.42%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

1回答

1487閲覧

深層学習の損失関数の推移に対してどのようなことが考えられるか

ayaeri_0527

総合スコア3

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2023/01/16 05:11

現在深層学習を用いてシステム開発を行っています。
言語 python ライブラリ keras
モデルの良し悪しを評価するための指標として損失関数の推移を用いようとしていますが、以下の画像のように損失関数がエポック後半で急激に上昇する場合どんな事が考えられますか?
また、学習時とテスト時の損失関数が離れている場合,どんなことが考えられるかも教えていただきたいです。
イメージ説明

該当のソースコード

python

1import os 2import numpy as np 3from sklearn.model_selection import train_test_split 4from sklearn import preprocessing 5from matplotlib import pyplot as plt 6import tensorflow as tf 7from tensorflow.keras.layers import Conv1D,LSTM,Dense,Input 8#from tensorflow.keras.models import Model 9from tensorflow.keras.models import Sequential 10from tensorflow.keras.utils import plot_model 11import pandas as pd 12 13#シーケンスに沿ったデータを作成する関数-------------------------------------------------------- 14def make_dataset(): 15 for i in range(1,21): 16 for j in range(1,61): 17 path="E:\\最強データ2_フレーム揃え\\all\\Actor_"+str(i)+"\\LSTM\\合体"+str(j)+".csv" 18 df=pd.read_csv(path,index_col=0,header=0) 19 20 df.pop("AU01_r") 21 df.pop("AU05_r") 22 df.pop("AU07_r") 23 df.pop("AU06_r") 24 df.pop("AU12_r") 25 df.pop("AU15_r") 26 df.pop("AU23_r") 27 yy=df["AU04_r"] 28 yyy=yy.values.astype(float) 29 yyy_seikika=preprocessing.minmax_scale(yyy) 30 df.pop("AU04_r") 31 32 data = df.values.astype(float) 33 ms = preprocessing.MinMaxScaler() 34 data_seikika=ms.fit_transform(data) 35 36 x.append(data_seikika) 37 y.append(yyy_seikika) 38 39 return np.array(x), np.array(y) 40 41 42x=list() 43y=list() 44x,y= make_dataset() 45 46x_train, x_valid, y_train, y_valid = train_test_split(x, y, test_size = 0.1) 47 48 49model = Sequential() 50model.add( tf.keras.layers.Input(shape=(111,129))) 51model.add(tf.keras.layers.LSTM(129, return_sequences=True)) 52model.add(Conv1D(111, 16, padding='same', input_shape=(111, 129), activation='relu')) 53model.add(Conv1D(111, 16, padding='same', activation='relu')) 54model.add(Conv1D(32, 16, padding='same', activation='relu')) 55model.add(Conv1D(1, 16, padding='same', activation='tanh')) 56 57plot_model(model, to_file='model_conv.png', show_shapes=True) 58 59adam=tf.keras.optimizers.Adam(lr=0.001) 60model.compile( 61 optimizer = adam,#最適化アルゴリズム 62 loss = "mse",#損失関数 63 metrics = ["mae"]#評価関数 64) 65 66plot_model(model) 67history=model.fit( 68 x_train, y_train, 69 epochs = 2048, 70 batch_size = 32, 71 validation_data = (x_valid, y_valid) 72) 73 74pred = model.predict(x_valid) 75 76t=list() 77for i in range(1,112): 78 t.append(i) 79 80plt.plot(history.history['loss']) # 訓練データの値 81plt.plot(history.history['val_loss']) # テストデータの値 82plt.title('Model loss') # グラフのタイトル 83plt.ylabel('Loss') # グラフのY軸ラベル 84plt.xlabel('Epoch') # グラフのX軸ラベル 85plt.legend(['Train', 'Test'], loc='upper left') # 凡例の表示 86plt.show() # グラフを表示する 87 88for i in range(0,12): 89 fig_size = plt.rcParams['figure.figsize']#グラフのサイズを決める変数 90 fig_size[0] = 5 91 fig_size[1] = 5 92 plt.rcParams['figure.figsize'] = fig_size 93 94 plt.title('Number of AU04')#グラフタイトル 95 plt.ylabel('AU04')#y軸の値 96 plt.grid(True)#グラフにグリッド線を引く 97 plt.autoscale(axis='x', tight=True)#グラフの自動スケーリング 98 plt.plot(t,y_valid[i],label='jissokuti')#実測値の値を持ってくる 99 plt.plot(t, pred[i], label = "predict")#予測値の値を持ってくる 100 plt.legend()#凡例を表示してくれる 101 plt.show() 102 103model.save("E:\\卒業研究\\モデル\\model\\keras_conv_AU04.h5")

試したこと

ここに問題に対して試したことを記載してください。

補足情報(FW/ツールのバージョンなど)

ここにより詳細な情報を記載してください。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

jbpb0

2023/01/16 10:11

> 学習時とテスト時の損失関数が離れている場合,どんなことが考えられるか 過学習が起きてるのではないですかね
PondVillege

2023/01/16 20:14

10-30epoch目あたりで橙線が減少から上昇に転じているので,それ以降,過学習が起きています. 800epoch目あたりのspike現象は次の回答を参照してください. https://stats.stackexchange.com/a/380271 主に * 性能の高いOptimizerの利用 * 高い学習率 * バッチの偏り によるものです.学習率に関してはReduceLROnPlateau https://keras.io/api/callbacks/reduce_lr_on_plateau/ を利用して対処してください.
ayaeri_0527

2023/01/17 01:42

ありがとうございます。 教えていただいた方法で色々試してみます。 ベストアンサーにしたいので回答にお願いします!
jbpb0

2023/01/19 01:06

> ベストアンサーにしたいので回答にお願いします! ps_aux_grepさん 回答を書いてください
guest

回答1

0

10-30epoch目あたりで橙線が減少から上昇に転じているので,それ以降,過学習が起きています.
800epoch目あたりのspike現象は次の回答を参照してください.
https://stats.stackexchange.com/a/380271
主に

  • 性能の高いOptimizerの利用
  • 高い学習率
  • バッチの偏り

によるものです.学習率に関してはReduceLROnPlateau https://keras.io/api/callbacks/reduce_lr_on_plateau/ を利用して対処してください

投稿2023/01/19 03:18

PondVillege

総合スコア1579

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.42%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問