keras中的loss、optimizer、metrics用法资源-CSDN文库

48 浏览量 2021-01-21 15:28:48 上传评论收藏 68KB PDF 举报

资源推荐

资源详情

资源评论

keras中的中的loss、、optimizer、、metrics用法用法

用keras搭好模型架构之后的下一步，就是执行编译操作。在编译时，经常需要指定三个参数

loss

optimizer

metrics

这三个参数有两类选择：

使用字符串

使用标识符，如keras.losses，keras.optimizers，metrics包下面的函数

例如：

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)

model.compile(loss='categorical_crossentropy',

optimizer=sgd,

metrics=['accuracy'])

因为有时可以使用字符串，有时可以使用标识符，令人很想知道背后是如何操作的。下面分别针对optimizer，loss，metrics

三种对象的获取进行研究。

optimizer

一个模型只能有一个optimizer，在执行编译的时候只能指定一个optimizer。

在keras.optimizers.py中，有一个get函数，用于根据用户传进来的optimizer参数获取优化器的实例：

def get(identifier):

# 如果后端是tensorflow并且使用的是tensorflow自带的优化器实例，可以直接使用tensorflow原生的优化器

if K.backend() == 'tensorflow':

# Wrap TF optimizer instances

if isinstance(identifier, tf.train.Optimizer):

return TFOptimizer(identifier)

# 如果以json串的形式定义optimizer并进行参数配置

if isinstance(identifier, dict):

return deserialize(identifier)

elif isinstance(identifier, six.string_types):

# 如果以字符串形式指定optimizer，那么使用优化器的默认配置参数

config = {'class_name': str(identifier), 'config': {}}

return deserialize(config)

if isinstance(identifier, Optimizer):

# 如果使用keras封装的Optimizer的实例

return identifier

else:

raise ValueError('Could not interpret optimizer identifier: ' +

str(identifier))

其中，deserilize(config)函数的作用就是把optimizer反序列化制造一个实例。

loss

keras.losses函数也有一个get(identifier)方法。其中需要注意以下一点：

如果identifier是可调用的一个函数名，也就是一个自定义的损失函数，这个损失函数返回值是一个张量。这样就轻而易举的实

现了自定义损失函数。除了使用str和dict类型的identifier，我们也可以直接使用keras.losses包下面的损失函数。

def get(identifier):

if identifier is None:

return None

if isinstance(identifier, six.string_types):

identifier = str(identifier)

return deserialize(identifier)

if isinstance(identifier, dict):

return deserialize(identifier)

elif callable(identifier):

return identifier

else:

raise ValueError('Could not interpret '

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

内容反馈

weixin_38718413

粉丝: 9
资源: 946

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip