我正在使用 Scikit 训练 MLPClassifier。假设我想在 MNIST 上训练 5 个 epoch，其中一个隐藏层有 100 个神经元。
如果我执行“mlp = MLPClassifier(...)”，然后执行“mlp.fit(train,test)”，那么我可以使用“mlp.coefs_”获得训练后的权重。
但我想要的是训练期间每个时期后获得的权重矩阵序列。因此，如果我训练 5 个 epoch，我会想要一个大小为 5 的列表，其中包含权重矩阵的历史记录。
这可以用 scikit 实现吗？或者我应该使用 Keras？
最佳答案
一种选择是使用您想要执行的一小部分 epoch 来训练您的模型。
存储参数。
然后继续使用 Warm_start = True 参数训练您的模型。您可以这样做，直到获得所需的纪元总数。
在 sci-kit learns 实现的上下文中，max_iter 参数将是纪元。此链接中引用了此内容。
https://stats.stackexchange.com/questions/284491/are-the-epochs-equivalent-to-the-iterations
关于python - 如何在 Scikit 上训练时获取权重矩阵，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59904720/