前提
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
https://analytics-note.xyz/machine-learning/reduce-lr-on-plateau/
このサイトを参考に学習率を下げるコードを書いて実行するとエポックが途中で止まった状態で結果を出力してしまいます。
エポックが途中で止まってしまう問題としてどのようなことが考えられるかご存知の方がいればお願いします。
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 12from tensorflow.keras.callbacks import ReduceLROnPlateau 13#from tensorflow.keras.preprocessing import image 14from tensorflow.keras.callbacks import EarlyStopping 15#シーケンスに沿ったデータを作成する関数-------------------------------------------------------- 16def make_dataset(): 17 for i in range(1,21): 18 for j in range(13,21): 19 path="E:\\最強データ2_フレーム揃え\\all\\Actor_"+str(i)+"\\LSTM\\合体"+str(j)+".csv" 20 df=pd.read_csv(path,index_col=0,header=0) 21 df.pop("AU01_r") 22 df.pop("AU04_r") 23 df.pop("AU07_r") 24 df.pop("AU05_r") 25 df.pop("AU12_r") 26 df.pop("AU15_r") 27 df.pop("AU23_r") 28 yy=df["AU06_r"] 29 yyy=yy.values.astype(float) 30 yyy_seikika=preprocessing.minmax_scale(yyy) 31 df.pop("AU06_r") 32 33 data = df.values.astype(float) 34 ms = preprocessing.MinMaxScaler() 35 data_seikika=ms.fit_transform(data) 36 37 x.append(data_seikika) 38 y.append(yyy_seikika) 39 40 return np.array(x), np.array(y) 41 42 43x=list() 44y=list() 45x,y= make_dataset() 46 47x_train, x_valid, y_train, y_valid = train_test_split(x, y, test_size = 0.1) 48 49model = Sequential() 50model.add( tf.keras.layers.Input(shape=(111,129))) 51model.add( tf.keras.layers.LSTM(129, return_sequences=True)) 52 53model.add(Conv1D(111, 16, padding='same', input_shape=(111, 129), activation='relu')) 54model.add(Conv1D(111, 16, padding='same', activation='relu')) 55model.add(Conv1D(32, 16, padding='same', activation='relu')) 56model.add(Conv1D(1, 16, padding='same', activation='tanh')) 57 58model.add( tf.keras.layers.Dense(100, activation='linear') ) 59model.add( tf.keras.layers.Dense(80, activation='linear') ) 60model.add( tf.keras.layers.Dense(50, activation='linear') ) 61model.add( tf.keras.layers.Dense(30, activation='linear') ) 62model.add( tf.keras.layers.Dense(20, activation='linear') ) 63model.add( tf.keras.layers.Dense(10, activation='linear') ) 64model.add( tf.keras.layers.Dense(1, activation='linear') ) 65 66plot_model(model, to_file='model_conv&dense.png', show_shapes=True) 67 68 69adam=tf.keras.optimizers.Adam(lr=0.01) 70early_stopping = EarlyStopping( 71 monitor='val_loss', 72 min_delta=0.0, 73 patience=10, 74 ) 75 76# val_lossの改善が2エポック見られなかったら、学習率を0.5倍する。 77reduce_lr = ReduceLROnPlateau( 78 monitor='val_loss', 79 factor=0.5, 80 patience=2, 81 min_lr=0.0001 82 ) 83 84 85model.compile( 86 optimizer = adam,#最適化アルゴリズム 87 loss = "mse",#損失関数 88 metrics = ["mae"]#評価関数 89) 90 91plot_model(model) 92history=model.fit( 93 x_train, y_train, 94 epochs = 512, 95 batch_size = 32, 96 verbose=2, 97 validation_data = (x_valid, y_valid), 98 callbacks=[early_stopping, reduce_lr] 99) 100 101pred = model.predict(x_valid) 102 103 104t=list() 105for i in range(1,112): 106 t.append(i) 107 108 109plt.plot(history.history['loss']) # 訓練データの値 110plt.plot(history.history['val_loss']) # テストデータの値 111plt.title('Model loss') # グラフのタイトル 112plt.ylabel('Loss') # グラフのY軸ラベル 113plt.xlabel('Epoch') # グラフのX軸ラベル 114plt.legend(['Train', 'Test'], loc='upper left') # 凡例の表示 115plt.show() # グラフを表示する 116 117 118 119for i in range(0,12): 120 fig_size = plt.rcParams['figure.figsize']#グラフのサイズを決める変数 121 fig_size[0] = 5 122 fig_size[1] = 5 123 plt.rcParams['figure.figsize'] = fig_size 124 125 plt.title('Number of AU06')#グラフタイトル 126 plt.ylabel('AU06')#y軸の値 127 plt.grid(True)#グラフにグリッド線を引く 128 plt.autoscale(axis='x', tight=True)#グラフの自動スケーリング 129 130 plt.plot(t,y_valid[i],label='jissokuti')#実測値の値を持ってくる 131 plt.plot(t, pred[i], label = "predict")#予測値の値を持ってくる 132 plt.legend()#凡例を表示してくれる 133 plt.show() 134
回答2件
あなたの回答
tips
プレビュー
下記のような回答は推奨されていません。
このような回答には修正を依頼しましょう。
また依頼した内容が修正された場合は、修正依頼を取り消すようにしましょう。