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
85.45%
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。

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

解決済

2回答

1065閲覧

学習率を下げるコードを導入するとエポックが途中で停止してしまう

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。

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。

7グッド

0クリップ

投稿2023/01/17 02:02

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。
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 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
退会済みユーザー😄を押しています
退会済みユーザー👍を押しています
退会済みユーザー❤️を押しています
退会済みユーザー😍を押しています
退会済みユーザー👏を押しています
退会済みユーザー🎉を押しています
退会済みユーザーを押しています

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。

guest

回答2

0

Text

1↘️⬇️↙️ 2➡️😢⬅️ 3↗️⬆️↖️ 4 5このように、学習率が低すぎると、くぼみにはまって抜け出せなくなる。

投稿2023/01/17 02:16

退会済みユーザー

退会済みユーザー

総合スコア0

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。

0

ベストアンサー

その途中停止の効果は,ReduceLROnPlateauのものではなく,EarlyStoppingによるものです.このCallbacksを外せば,設定したEpochまで学習が動作します.もちろん,適切にEarlyStoppingかけたほうが汎化性能が高い状態で学習を終了できるのは間違いないです.

投稿2023/01/17 04:01

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

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
85.45%

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