python - 在 Keras 中串联训练多个模型以进行超参数优化

Question

这个想法是使用相同的训练数据集训练多个模型，每次更改一些参数以便查看哪个参数效果最好。为此，我需要每次都从头开始训练每个模型。

我当前的代码(简化)是:

scores= []

for i in range(n):
    model = Sequential()
    model.add(...)
    model.compile(...)
    model.fit(...)
    scores.append([i, model.score(...)])

for score in scores:
    print(score)

它按预期打印运行:

[0, 0.89712456798]
[1, 0.76652347349]
[2, 0.83178943210]
...

但我无法理解代码是否执行上述操作，或者相反，是否训练依赖于前一个模型的模型。

Answer 1

每次打电话

model = Sequential()

您的模型已重新初始化，因此上面的代码草图确实执行了您想要的操作，即为每个循环迭代从头开始拟合新模型。