如何改进一个简单的 Keras 模型答案

【问题标题】：How to improve a simple Keras model如何改进一个简单的 Keras 模型
【发布时间】：2020-10-28 08:52:40
【问题描述】：

我开始使用 Keras 和那些模型，但我认为我还没有掌握所有这些。我摆弄了很多东西，但只会让情况变得更糟。我的目标是达到高于 91% 的准确度（91% 的准确度是该模型的输出）。这是代码：

import numpy as np
import tensorflow as tf
input_size = 10
output_size = 2

hidden_layer_size = 500


model = tf.keras.Sequential([

tf.keras.layers.Dense(hidden_layer_size, activation='relu'), 
tf.keras.layers.Dense(hidden_layer_size, activation='relu'), 


tf.keras.layers.Dense(output_size, activation='softmax') # output layer
])






 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])




 batch_size = 50


 max_epochs = 100



 early_stopping = tf.keras.callbacks.EarlyStopping(patience=5)



 model.fit(train_inputs, 
      train_targets, 
      batch_size=batch_size, 
      epochs=max_epochs,
      
      
      callbacks=[early_stopping],
      validation_data=(validation_inputs, validation_targets), 
      verbose = 2 
      )

我不知道我是否在这里格式化了这个，我刚刚创建了这个帐户，我是这方面的初学者。

【问题讨论】：

标签： python python-3.x tensorflow keras tensorflow2.0

【解决方案1】：

任何人都无法帮助您获得更高的准确性，因为它完全取决于数据和您尝试建模的问题。仅显示代码是不够的。

我建议您先使用model.summary() 查看模型中可训练参数的层数和数量，以供您参考。我还建议您花一些时间在 Keras 文档上。

https://github.com/fchollet/deep-learning-with-python-notebooks

当您构建用于训练特定数据的 NN 架构时，可能会发生两件事 -

可能欠拟合 - 意味着模型不够复杂，无法学习数据中的模式。在这种情况下，通过增加层数和每层的大小来增加可训练参数的数量。
它可以过拟合 - 这是一个更好的方案。这意味着该模型非常复杂，以至于它在训练数据上过度拟合并且无法在测试数据上泛化。在这种情况下，您可以减少训练参数的数量和/或在密集层之间使用 dropout 层。

【讨论】：