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。
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。
