python - 在神经网络中找到最佳学习率和时期

Question

我创建了一个单层神经网络，具有两个输出(每个类别一个，0 或 1)，并使用 sigmoid 方法和 SGD 优化器进行训练。我还训练了没有任何隐藏层的神经网络。此外，我还使用 StratifiedKFold 进行 4 次分割验证了模型的性能。训练的模型设计为 lr=0.1 和 epochs=150，但是，我不知道这些值是否正在优化模型。出于这个原因，我想运行 20 种学习率参数和历元的组合，以查看最准确的结果以及我获得这些参数的哪些组合。以下限制:

• 纪元:值介于 10 到 150 之间
• 学习率:0.01 到 1 之间的值

请参阅下面的代码:

from sklearn.model_selection import StratifiedKFold
from keras.models import Sequential
from keras.layers.core import Dense
from keras import layers
from keras.optimizers import SGD
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score

#Function to create the NN model
def create_model():    
    #Neural Network model
    ann = Sequential()
    #Number of columns of training dataset
    n_cols = x_train.shape[1]
    #Output
    ann.add(Dense(units=1,activation='sigmoid',input_shape=(n_cols,)))
    #SGD Optimizer
    sgd = SGD(lr=0.1)
    #Compile with SGD optimizer and binary_crossentropy
    ann.compile(optimizer=sgd,
                loss='binary_crossentropy',
                metrics=['accuracy'])
    return ann

#Creating the model
model=KerasClassifier(build_fn=create_model,epochs=150,batch_size=10,verbose=0)
#Evaluating the model using StratifiedKFold
kfold = StratifiedKFold(n_splits=4, shuffle=True, random_state=2)
results=cross_val_score(model,x_train,y_train,cv=kfold)
#Accuracies
print(results)

为了创建由学习率和历元形成的 20 种组合，首先，我创建了 lr 和历元的随机值:

   #Epochs
   epo = np.random.randint(10,150)
   #Learning Rate
   learn = np.random.randint(0.01,1)

我的问题是，我不知道如何将其放入神经网络的代码中，以便找到能够提供最佳模型准确度的组合。

Answer 1

无需优化您可以轻松使用提前停止的纪元数量，当您的损失或准确性没有改善时，提前停止就会停止所以只需将您的纪元设置为一个大数字(例如 300 )并添加:

keras.callbacks.callbacks.EarlyStopping(monitor='val_loss', min_delta=0.1)

您还可以通过以下方式调用最佳权重(在模型开始过度拟合之前):

restore_best_weights=True