如何指定我的模型应该在Flux.jl中训练的纪元数
在Flux.jl中，可以使用@epochs宏来指定模型训练的纪元数。@epochs宏会自动迭代指定的纪元数，并在每个纪元中执行相应的训练操作。
以下是一个示例代码：
using Flux
# 定义模型
model = Chain(
Dense(10, 5, relu),
Dense(5, 2),
softmax
)
# 定义损失函数
loss(x, y) = Flux.crossentropy(model(x), y)
# 定义优化器
optimizer = ADAM()
# 定义训练数据
data = ...
# 指定训练的纪元数为10
@epochs 10 Flux.train!(loss, params(model), data, optimizer)在上述代码中，@epochs 10表示模型将会在训练数据上进行10个纪元的训练。你可以根据需要调整纪元数。
Flux.jl是一个基于Julia语言的深度学习框架，它提供了丰富的功能和工具，用于构建和训练神经网络模型。它的优势包括易用性、高性能和灵活性。Flux.jl可以应用于各种机器学习和深度学习任务，包括图像分类、目标检测、语音识别等。
腾讯云提供了一系列与云计算相关的产品和服务，其中包括云服务器、云数据库、云存储等。你可以通过访问腾讯云的官方网站（https://cloud.tencent.com/）了解更多关于腾讯云的产品和服务信息。
相关·内容
我到处寻找使用g2p-seq2seq命令训练声学模型的上限，但它使用下面的命令无限运行。如果有人知道如何限制g2p-seq2seq停止，以防损失没有减少，那么请让我知道。
g2p-seq2seq --train train_dictionary.dic --model_dir model_path
浏览 1提问于2018-06-18得票数 0
1回答
我是TensorFlow和NN的新手。我开发了一个张量模型，它使用LSTM来表达文本的情感。我的模型训练到给定的时期或迭代次数，并将模型保存到一定数量。(即，我在每5个时期后保存模型。)一旦训练完成，我就会拿起最后一个检查点文件，并将其用于预测。
但当我用新数据再次运行我的训练代码时，我的怀疑就来了。我有点糊涂了。
过去的数据存储器是否包含新创建的检查点文件。例如，当我用epoch=150训练我的模型时，我得到了./models/tensorflow/model-150。现在，我又恢复了模型-150，并开始使用新数据进行训练，因为保存了逻辑步骤
saver.save(sess, os.path
浏览 4提问于2018-01-10得票数 0
我知道我想让我的模型训练到200个时期，基于我在其他框架和以前的模型中做过的一些模拟测试。我如何指定我的模型应该在Flux.jl中训练的纪元数？
浏览 24提问于2021-07-03得票数 0
回答已采纳
1回答
我通常使用load_model()方法加载我的Keras模型。是否有可能在再次加载模型后获得训练过的模型的纪元数？
这个提到了以下黑客攻击：
r = model.fit(X_train,y_train,epochs=5)
n_epochs = len(r.history['loss'])
然而，这并不是我想要的，因为我想从加载的模型中获得纪元的数量。
浏览 18提问于2019-07-30得票数 1
回答已采纳
我目前正在处理一个转移学习问题，所以我想冻结我的大部分层，这样模型就不会被重新训练，只修改最后一层的权重。如何选择使用Flux.jl冻结哪些层？
浏览 17提问于2021-08-28得票数 1
回答已采纳
1回答
在TF2 keras中，我使用tensorflow.keras.losses.MeanSquaredError作为损失函数训练了一个自动编码器。现在，我想通过使用另一个损失函数来进一步训练这个模型，特别是tensorflow.keras.losses.KLDivergence。这样做的原因是，最初的无监督学习是针对表征学习进行的。然后，有了生成的嵌入，我可以对它们进行聚类，并将这些聚类用于自我监督，即标签，从而实现第二个监督损失，并进一步改进模型。 这本身并不是转移学习，因为没有新的层添加到模型中，只是损失函数改变了，模型继续训练。 我尝试使用带有MSE损失的预训练模型作为新模型的属性： c
浏览 28提问于2021-02-01得票数 0
我有一个用PyTorch训练的模型，用.pth格式保存。是否可以在Flux.jl中使用和加载该模型？我环顾四周，但没有在Flux文档中看到这一点。
浏览 9提问于2021-09-18得票数 2
回答已采纳
我试着训练我的tensorflow模型，但在第一个时期，它只说x/未知步骤。然后它就永远消失了。在尝试设置纪元和验证步骤之后，准确性并没有变得更好，而且经常出现1，这很奇怪。 提前谢谢。
浏览 31提问于2020-04-09得票数 0
回答已采纳
我有一个用Keras写的模型。因为我处理的是大文件，所以我使用Keras应用程序接口加载数据并将其提供给tf.data.Dataset fit函数。在调用model.fit()之前，我使用it=ds.make_initializable_iterator()重新初始化dataset，然后将从it.get_next()函数获得的X和y张量传递给model.fit()。问题是，当model.fit()到达数据集的末尾时，它不会继续训练，换句话说，我只能训练一个时期，无论我将什么作为“时期”变量传递给fit函数。当迭代器到达数据集的末尾时，我如何告诉Keras重新初始化迭代器？
浏览 21提问于2020-04-19得票数 0
1回答
我有一个特定的计算机视觉问题，我想尝试使用一些预先训练的模型来解决。与其他ML框架(例如PyTorch)不同，Flux.jl文档实际上没有任何预先训练好的模型。我如何在Flux中访问这些相关的模型？
浏览 22提问于2021-07-11得票数 0
回答已采纳
我正在使用yoloV3在我自己的训练集上进行训练。我通常已经成功地编译，准备了训练集，修改了配置文件，.data，... 但在训练时，关于学习率(即速率)的yolo输出保持为0，即 27: 1987.573730, 1807.166748 avg loss, 0.000000 rate, 2.820172 seconds, 216 images Loaded: 0.000047 seconds 我不明白为什么？在配置文件中，训练率等于0.001
浏览 13提问于2019-09-13得票数 3
回答已采纳
1回答
当我训练Rasa核心时，训练精度波动很大。在一次运行中，它可以上升到95%，然后我重新开始并重新训练一次，它下降到75%。这是正常的吗？这是什么原因呢？
浏览 18提问于2019-05-20得票数 0
我从keras.Model继承而构建了自己的Keras模型类。然而，我有一个修改过的训练步骤，在那里我手动导出前向传递并计算两个不同的损失，我将其求和，使我的总损失为total_loss = loss1 + factor*loss2。我观察到，如果我在训练过程中减少这个因素，我会得到更好的结果。我现在的问题是，这可能是一个好的解决方案。我能否以某种方式访问train_step方法中的纪元编号，以便从纪元编号计算因子，或者是否有其他更好的方法？
非常感谢:)
编辑:如果我在train_step方法中添加一个计数器，它在训练过程中不会增加。但这只会在非急切模式下发生。如果我启用了急切模式，它就会工
浏览 1提问于2020-10-10得票数 3
我使用的是tensorflow 2.2.0。从昨天到今天，我的训练数据或模型设计没有任何变化，但我的训练步骤花了太长时间才显示出准确性/损失方面的任何像样的进展。昨天，在运行了1/10的历元后，精度约为0.3，但今天，在同一时间点，精度停留在0.03。可能的原因是什么？
浏览 59提问于2020-06-25得票数 0
回答已采纳
我的数据有1751个句子，然而，当训练一个数字出现在时代栏下。有时候是1751
我试着查看文档以了解这个数字是否应该与我的训练集大小相同，但我找不到答案。
我正在使用GPU后端的Kaggle。这是否意味着该模型确实没有对所有数据进行培训？
浏览 12提问于2021-12-26得票数 1
回答已采纳
我在一个拥有32vCPU和120 it的Google Cloud深度学习虚拟机中使用coco预先训练好的权重训练一个Mask R-CNN模型，它已经运行了20多个小时，仍然处于1/30纪元。该脚本使用在后台运行，输出保存在一个.log文件中，该文件在15小时前就没有更新过。我的数据集包含2050张图像。如何确保我的模型仍在运行？Mask R-CNN一般需要多长时间才能接受训练？
浏览 22提问于2019-07-15得票数 0
我使用tf.estimator.inputs.numpy_input_fn生成输入函数，如下所示：
train_input = tf.estimator.inputs.numpy_input_fn(x={'x': sst_train}, y=precip_train, shuffle=True, batch_size=100, num_epochs=None)
在训练过程中，我设置了一个for循环来控制它。代码如下：
for i in range(15):
est.train(input_fn=train_input, steps=20)
我认为它总共应该训练20*15次，但它
浏览 2提问于2018-05-08得票数 0
2回答
我正在训练Keras模型，用model.save()保存它们，然后加载它们并恢复训练。
我想在每次训练之后绘制整个训练历史，但model.fit_generator()只返回最后一次训练的历史。
我可以保存初始会话的历史记录并自己更新，但我想知道Keras中是否有标准的方法来管理训练历史记录。
history1 = model.fit_generator(my_gen)
plot_history(history1)
model.save('my_model.h5')
# Some days afterwards...
model = load_model('my_m
浏览 0提问于2018-10-31得票数 3
你们如何将pytorch模型的训练历史可视化，就像在keras here中一样。 我有一个pytorch训练过的模型，我想看看它的训练图表。我可以只使用matplotlib来做这件事吗？如果是，谁能给我一些资源让我关注。
浏览 15提问于2019-03-12得票数 3
1回答
我用Trainer训练我的模型。
我在屏幕上有以下输出：
Epoch Training Loss Validation Loss Accuracy
0 No log 1.114260 0.342667
1 No log 0.939480 0.545333
2 No log 0.816581 0.660000
3 No log 0.752204 0.710667
4 No log 0.741462 0.741333
5 No log 0.801005 0.754667
6 0.675800 0.892765
浏览 21提问于2022-07-31得票数 1
回答已采纳
1回答
我使用CNN进行癫痫发作预测。这是验证损失和训练损失的曲线图。我不知道这条曲线是否可以接受。 任何帮助都将不胜感激 ?
浏览 17提问于2020-06-27得票数 1
回答已采纳
1回答
我已经创建了一个神经网络来检测垃圾邮件。它包括以下步骤：
1.Formation of tf-idf matrix of terms and mails.
2.Reduction of matrix using PCA.
3.Feeding the 20 most important terms according to eigen values to neural network as features.
我正在训练它1-垃圾邮件和0-不是垃圾邮件。
编辑:我决定对它进行训练，采用7封邮件的批量大小，因为它在形成矩阵时容易出现内存不足错误。我使用的是标准的安然火腿和垃圾邮件数据集。我曾经通过
浏览 0提问于2012-11-21得票数 0
回答已采纳
我想把图片传给凯拉斯CNN。该程序随机提供从网上下载的图像，或随机像素值的图像。如何设置批次大小和纪元数？我的训练数据基本上是无限的。
浏览 0提问于2017-09-30得票数 3
1回答
我正在尝试访问我构建的模型的训练损失，因为我将其称为训练循环。我构建了一个模型，如下所示： def create_model(self):
model = Sequential()
model.add(Dense(172, input_shape=(1, 172), activation = 'relu'))
model.add(Dense(172, activation = 'relu'))
model.add(Dense(86, activation = 'r
浏览 12提问于2021-02-03得票数 0
回答已采纳
我之前在Flux.jl中训练了一个模型，并通过执行以下操作保存了它： @save "mymodel.bson" model 现在，我想重新加载该模型并再次使用它。我如何在Flux中实现这一点？
浏览 26提问于2021-07-11得票数 3
回答已采纳
1回答
我在TFRecords中有两个数据集，一个包含大约20,000个条目，另一个包含120,000个条目。
当我使用具有20,000个条目的TFRecord时，此代码可以很好地工作，但当我使用120,000,000个条目时，会给出超出范围的错误。
def parse(serialized):
features = \
{
'train/image': tf.FixedLenFeature([], tf.string),
'train/label': tf.FixedLenFeature([], tf.int64)
}
浏览 0提问于2018-04-12得票数 1
2回答
我使用python库在keras中拟合一个递归神经网络。通过在epoch函数中改变参数nb_epoch来拟合不同nb_epoch数的模型。目前，我使用的是for循环，每次更改nb_epoch时都会重新拟合，这是很多重复的工作。下面是我的代码(循环在代码的底部，如果您想跳过代码详细信息的其他部分)：
from __future__ import division
import numpy as np
import pandas
from keras.models import Sequential
from keras.layers.core import Dense, Activation,
浏览 0提问于2016-09-07得票数 3
回答已采纳
我正在尝试设置我的机器学习训练循环，但我不希望它使用我计算机上的GPU。我已经安装了CUDA，但是我想在CPU上运行我的代码。我如何在Flux.jl中做到这一点？
浏览 11提问于2021-06-30得票数 2
回答已采纳
我用Keras编写了以下模型，但在进行预测时，我遇到了ValueError (在代码后面声明)。我在StackOverflow上查看了其他问题，但只找到了，但我无法理解答案是什么。
我正在尝试建立一个网络，它以X为输入，具有200个神经元的隐藏，最后是一个σ神经元来预测输出类别。目标是二进制分类。
模型的输入是(n X 400)作为X，(n，1)作为Y。X和Y都是数值数组。代码和错误消息如下。此外，神经网络的结果是:损失=无穷大，精确度= 0.0，这意味着我这边的某些东西显然是错误的。
def create_baseline():
# create model
model =
浏览 6提问于2017-07-09得票数 2
回答已采纳
我已经看到并使用曲线图来测量性能(例如:准确性等)。但我也看到过某些论文讨论了训练样本数量对准确性性能的影响。我应该如何使用keras或其他常见的深度学习库来生成这样的图形？ 这是一种公平比较几个模型达到令人满意的性能所需的训练样本数量的方法吗？
浏览 22提问于2020-02-01得票数 0
1回答
我正在训练一个ResNet50模型，我想在最初的训练之后应用微调.这是我在没有微调的情况下训练模型的时候：
# Train initial model without fine-tuning
initial_epochs = 100
history = model.fit(train_set, validation_data = dev_set, epochs=initial_epochs,verbose=1, callbacks=callbacks)
这是从上一个时代开始的微调和恢复的代码：
# Train the model again for a few epochs
fine_tune
浏览 1提问于2022-07-30得票数 1
回答已采纳
1回答
我已经看到，自适应平均池在Tensor Flow和PyTorch中都可用。 我想知道如何在Flux.jl中实现这一点
浏览 46提问于2021-07-10得票数 2
回答已采纳
我正在训练一个Tensorflow模型，其中包括一个检查点来保存最好的模型(基于val_loss)。
checkpoint = ModelCheckpoint(filepath, monitor='val_rmse', verbose=2, \
save_best_only=True, save_weights_only=False, \
mode='min', save_frequency=1)
训练结束后，使用r个对象中存储的统计数据，一次又
浏览 0提问于2020-04-08得票数 1
3回答
我现在开始发现用于deap学习的Keras库，似乎在训练阶段选择了一个百分之一的纪元数，但我不知道这个选择是基于哪个假设。
在Mnist数据集中，选择的纪元数为4：
model.fit(X_train, Y_train,
batch_size=128, nb_epoch=4,
show_accuracy=True, verbose=1,
validation_data=(X_test, Y_test))
有人能告诉我为什么以及如何选择正确的纪元数吗？
浏览 0提问于2017-07-19得票数 6
我在带有patience=2的回调中使用EarlyStopping在keras中训练了一个模型
model.fit(X_train, y_train, batch_size=batch_size, epochs=epochs, validation_split=validation_split,
callbacks= [keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=2, verbose=0, mode='min'), keras.callbacks.Mode
浏览 1提问于2020-11-26得票数 1
我的Tensorflow联合模型需要太长时间才能收敛。当我使用相同的模型时，没有TFF包装，用tenlow2.0训练它，在几个时期内准确率达到0.97。然而，通过TFF训练，相同的模型在30个时期内只能达到0.03。在TFF训练中，准确率如此之低的原因可能是什么？有没有办法改善这一点。我的代码如下：
# Building the Federated Averaging Process
iterative_process = tff.learning.build_federated_averaging_process(
model_fn,
client_optimizer_fn=lamb
浏览 2提问于2020-07-10得票数 1
通过阅读一些Flux.jl文档，我看到了以下引语：
可差异编程:现有的朱莉娅库是可微的，可以直接合并到Flux模型中。
在Flux和Julia的背景下，这意味着什么？我知道Julia和Flux使用了自动区分，但是这如何使其他Julia与Flux.jl集成还不清楚。
浏览 2提问于2021-07-31得票数 2
回答已采纳
我在这里读了一些其他的帖子，关于在训练/验证损失时如何获得nan。我假设我的问题是我的学习率没有足够的衰退，尽管我想知道是否有人可以看一眼并同意/不同意。
我正在关注一篇很棒的博客文章，不过是在tensorflow中实现的。转换模型相当容易，但动量和学习率有点棘手，我认为这就是问题所在。我遇到了一些问题，在输球跳到南之前，我只能走这么多个时期。我使用的模型应该等同于博客教程中的net4/5。
... Epoch /Time/Train Loss/Valid Loss/Learn Rate
Epoch[ 900]0:14:11 0.000116 0.001566 0.027701
Epoch[
浏览 0提问于2017-02-20得票数 0
我在凯拉斯训练CNN。每个时期大约需要18个小时。我需要每半小时保存一次模型权重，因为我不能连续运行18个小时。
我尝试在period = 0.0125中使用checkpoint保存模型权重。我认为这将节省每100个训练样本的模型权重(假设总共没有。训练示例的数量= 8000)
cp_callback = tf.keras.callbacks.ModelCheckpoint(checkpoint_path, verbose=1, save_weights_only=True,period=0.0125)
model.fit_generator(
training_set,
s
浏览 0提问于2019-06-09得票数 0
我正在从事物体检测的工作。我的训练集是5984，测试集是1496 (KITTI跟踪训练数据集)。
在Tensorflow中拟合模型时，批量大小和纪元数应该有多大？有没有什么基于数据输入大小的经验法则？我应该将其拆分为训练/val/test，还是继续使用当前拆分的train/val？
浏览 14提问于2017-07-03得票数 0
1回答
用于时间序列预测的编解码器
、、、、
我想从55天的训练规模预测7天。我尝试应用给定和的模型，但我得到的所有7天的输出值都是1。
我也对如何将时间序列作为输入编解码器和它的代码感到困惑，我尝试了基于我的理解。
model.add(LSTM(150, input_shape=(None, 1)))
model.add(RepeatVector(8))
model.add(LSTM(150, return_sequences=True))
model.add(TimeDistributed(Dense(1, activation='softmax')))
model.compile(loss='mse'
浏览 6提问于2020-06-14得票数 0
当我使用提前停止模型列车只有一个时期，这是不应该做的。 下面是没有提前停止的示例： # split a univariate sequence into samples
def split_sequence(sequence, n_steps):
X, y = list(), list()
for i in range(len(sequence)):
# find the end of this pattern
end_ix = i + n_steps
# check if we are beyond the sequence
浏览 23提问于2019-05-19得票数 1
回答已采纳
2回答
我正在使用多维支持向量机分类器(SVM.NET，libSVM的包装器)来对一组特征进行分类。
在给定SVM模型的情况下，是否可以在不重新计算所有先前数据的情况下合并新的训练数据？我猜另一种说法是:支持向量机是可变的吗？
浏览 2提问于2010-10-19得票数 16
回答已采纳
我想在使用Keras时对模型进行微调，我想要更改训练数据和学习率，以便在纪元数达到10时进行训练，那么如何在指定的纪元数结束时获得回调。
浏览 0提问于2019-08-24得票数 0
我正在使用Jupyter实验室中的Keras来训练模型。 我希望能够手动停止训练并优雅地退出试衣。 现在我可以终止训练的唯一方法是通过KeyboardInterrupt。 我如何使用Keras回调来优雅地终止训练，无论是通过侦听KeyboardInterrupt还是从小部件按钮接收事件？ 还是有别的办法？ 谢谢! 另请参阅Does interrupting keras training in a Jupyter notebook save the training? 编辑： 我尝试捕获KeyboardInterrupt (即由Jupyter中的stop按钮发送的SIGINT )，如下所示：
浏览 31提问于2021-07-22得票数 0
1回答
我正在训练一个巨大的模型。不幸的是，运行时环境在中途中断，我必须重新启动模型。我在每个时期后保存模型。 但我现在的问题是，例如，我已经训练了10个epcoh中的5个。我如何加载它，并表明我在第5个纪元，他必须继续那里，所以只需要经历5个纪元？我知道我可以加载模型，但是我怎么能说我在5个时期，现在你只需要经历5个时期，因为我想要总共10个时期。 cp_callback = [tf.keras.callbacks.ModelCheckpoint(
filepath='/saved/model.h5',
verbose=1,
save_weights_o
浏览 8提问于2020-11-07得票数 0
回答已采纳
1回答
我决定构建一个包含增强图像的大型数据集，以节省训练期间的时间，由于每个图像都是动态增强的，因此需要花费太长时间，从而降低了性能和GPU使用率。 我想知道是否有可能每个时期都在数据集的一个子集上进行训练，以节省时间(在4000张图像上训练，而不是40000张)。这在某种程度上类似于交叉验证，但我的目标只是减少每个时期训练模型的数据集的部分，并随机交替这些小部分。在交叉验证中，我当然不会减少我的训练数据集的大小，只是交替使用验证集。
浏览 41提问于2020-11-14得票数 0
3回答
我在用Hugginface的训练器。如何在N个时期后调整学习率？例如，我将初始学习率设置为lr=2e-6，并且我希望在第一个时期之后将学习率更改为lr=1e-6，并在剩余的训练中保持该学习率。
到目前为止，我已经尝试过了：
optimizer = AdamW(model.parameters(),
lr = 2e-5,
eps = 1e-8
)
epochs = 5
batch_number = len(small_train_dataset) / 8
total_steps = batch_number * e
浏览 5提问于2021-07-23得票数 1
我之前在tensorflow中使用了Estimator API，并使用了"max_steps“，这是在训练期间看到的批次数量。我的数据集是完全合成的和无限的，每次都会动态生成一批全新的图像。新的Keras API使用了“纪元”的概念，它对应于整个数据集。我如何在keras "initial_Epoch“函数中设置"steps_per_epoch”、“initial_Epoch”和"epochs“，使其在我的例子中有意义？
谢谢!
浏览 0提问于2019-10-24得票数 0
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
腾讯云开发者
