python - keras.backend的clear_session()方法没有清理拟合数据

Question

我正在比较不同类型数据质量的拟合精度结果。 “好数据”是特征值中没有任何 NA 的数据。 “坏数据”是特征值中带有 NA 的数据。 “坏数据”应该通过一些值修正来修复。作为值(value)修正，它可能会用零或平均值替换 NA。

在我的代码中，我尝试执行多个拟合过程。

查看简化代码:

from keras import backend as K
...

xTrainGood = ... # the good version of the xTrain data 

xTrainBad = ... #  the bad version of the xTrain data

...

model = Sequential()

model.add(...)

...

historyGood = model.fit(..., xTrainGood, ...) # fitting the model with 
                                              # the original data without
                                              # NA, zeroes, or the feature mean values

根据 historyGood 数据查看拟合精度图:

之后，代码重置存储的模型并使用“坏”数据重新训练模型:

K.clear_session()

historyBad = model.fit(..., xTrainBad, ...)

根据historyBad数据查看拟合过程结果:

可以注意到，初始精度 > 0.7，这意味着模型“记住”了之前的拟合。

为了比较，这是“坏”数据的独立拟合结果:

如何将模型重置为“初始”状态？

Answer 1

K.clear_session() 不足以重置状态并确保再现性。您还需要:

• 设置(和重置)随机种子
• 重置 TensorFlow 默认图
• 删除之前的模型

完成以下各项的代码。

reset_seeds()
model = make_model() # example function to instantiate model
model.fit(x_good, y_good)

del model
K.clear_session()
tf.compat.v1.reset_default_graph()

reset_seeds()
model = make_model()
model.fit(x_bad, y_bad)

请注意，如果其他变量引用模型，您也应该del它们 - 例如模型 = make_model(); model2 = model --> del model, model2 - 否则它们可能会持续存在。最后，tf 随机种子不像 random 或 numpy 那样容易重置，并且需要事先清除图表。

---

使用的功能/模块:

import tensorflow as tf
import numpy as np
import random
import keras.backend as K

def reset_seeds():
    np.random.seed(1)
    random.seed(2)
    if tf.__version__[0] == '2':
        tf.random.set_seed(3)
    else:
        tf.set_random_seed(3)
    print("RANDOM SEEDS RESET")