下面是我的代码:
model = Sequential([
Dense(32, input_shape=(32,), activation = 'relu'),
Dense(100, activation='relu'),
Dense(65, input_shape=(65,), activation='softmax')
])
model.summary()
model.compile(SGD(lr=.1), loss='binary_crossentropy', metrics=['accuracy'])
model.fit(train_samples, train_labels, batch_size=1000, epochs=1000,shuffle = True, verbose=2)
如何设置模型的自适应学习率？
最佳答案
您不需要按照其他答案的建议重新编译模型。 Keras 附带可用于此任务的回调。更准确地说，您可以使用 LearningRateScheduler 回调并向其传递一些函数，该函数将根据当前纪元索引调整学习率。
假设您希望学习率是纪元索引的某个数字(可能不是最好的想法，但很容易理解)
def adapt_learning_rate(epoch):
return 0.001 * epoch
现在我们有了函数，我们可以创建一个学习调度程序，负责计算每个时期开始时的学习率。
my_lr_scheduler = keras.callbacks.LearningRateScheduler(adapt_learning_rate)
最后要做的就是将此回调传递给 fit 方法。
model.fit(X, y, ..., callbacks=[my_lr_scheduler])
关于python - 如何在 Keras 中设置自适应学习率，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53479007/