控制 learning_rate 不 tflearn答案

【问题标题】：Controlling learning_rate does not tflearn控制 learning_rate 不 tflearn
【发布时间】：2017-09-12 09:21:48
【问题描述】：

我是 TFLearn 的新手。

我正在向 TFLearn 研究这个 introduction tutorial，其中设置了固定数量的 epoch。但是我想知道是否可以使用 learning_rate 和 accuracy 的组合来确定网络训练的结束... 例如：根据准确率降低或增加 learning_rate ... 或根据准确率停止训练。

# Build neural network
net = tflearn.input_data(shape=[None, 6])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 2, activation='softmax')
net = tflearn.regression(net)

# Define model
model = tflearn.DNN(net)
# Start training (apply gradient descent algorithm)
model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)

【问题讨论】：

标签： tensorflow neural-network tflearn

【解决方案1】：

查看http://tflearn.org/models/dnn/ 和best_checkpoint_path 和best_val_accuracy。参数将保存您的最佳检查点。

如果你想停止训练，你必须自己编写一个回调来停止训练。这是一个关于使用 TFlearn 提前停止的好教程：http://mckinziebrandon.me/TensorflowNotebooks/2016/11/28/early-stop-solution.html

【讨论】：