neural-network - 如何在 Keras 模型中检查每个 epoc 后的权重

Question

我在 Keras 中使用顺序模型。我想在每个时期后检查模型的重量。你能否指导我如何做到这一点。

model = Sequential()
model.add(Embedding(max_features, 128, dropout=0.2))
model.add(LSTM(128, dropout_W=0.2, dropout_U=0.2))  
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics['accuracy'])
model.fit(X_train, y_train, batch_size=batch_size, nb_epoch=5 validation_data=(X_test, y_test))

提前致谢。

Answer 1

您正在寻找的是一个CallBack功能。回调是一个 Keras 函数，在训练过程中在关键点重复调用。它可以是在一批、一个时期或整个训练之后。有关文档和现有回调列表，请参见此处。

您想要的是可以使用 LambdaCallBack 对象创建的自定义 CallBack。

from keras.callbacks import LambdaCallback

model = Sequential()
model.add(Embedding(max_features, 128, dropout=0.2))
model.add(LSTM(128, dropout_W=0.2, dropout_U=0.2))  
model.add(Dense(1))
model.add(Activation('sigmoid'))

print_weights = LambdaCallback(on_epoch_end=lambda batch, logs: print(model.layers[0].get_weights()))

model.compile(loss='binary_crossentropy',optimizer='adam',metrics['accuracy'])
model.fit(X_train, 
          y_train, 
          batch_size=batch_size, 
          nb_epoch=5 validation_data=(X_test, y_test), 
          callbacks = [print_weights])

model.layers[0].get_weights()上面的代码应该在每个 epoch 结束时打印你的嵌入权重。由您决定将其打印到您想要使其可读的位置，将其转​​储到 pickle 文件中，...

希望这可以帮助