Какая польза от многословия в Keras при проверке модели?

Я впервые использую модель LSTM. Вот моя модель:

opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)

model = Model(inp,pred)
model.compile(....)

idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)

Какая польза от многословия при обучении модели?

Ознакомьтесь с документацией по модели model.fit здесь .

Устанавливая подробный 0, 1 или 2, вы просто говорите, как вы хотите «видеть» прогресс обучения для каждой эпохи.

verbose=0 ничего не покажет (молчание)

verbose=1 покажет вам анимированный индикатор выполнения, например:

verbose=2 просто упомянет количество эпох, например:

verbose: Integer. 0, 1 или 2. Режим детализации.

Verbose = 0 (без звука)

Verbose = 1 (индикатор выполнения)

Train on 186219 samples, validate on 20691 samples
Epoch 1/2
186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc: 
0.7728 - val_loss: 0.4917 - val_acc: 0.8029
Train on 186219 samples, validate on 20691 samples
Epoch 2/2
186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc: 
0.8071 - val_loss: 0.4617 - val_acc: 0.8168

Verbose = 2 (одна строка на эпоху)

Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075
Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046

Для verbose> 0 fitжурналы метода:

• loss : значение функции потерь для ваших обучающих данных
• acc : значение точности ваших тренировочных данных.

Примечание. Если используются механизмы регуляризации, они включаются во избежание переобучения.

если аргументы validation_dataили validation_splitне пустые, fitжурналы метода:

• val_loss : значение функции потерь для ваших данных проверки
• val_acc : значение точности для ваших данных проверки

Примечание. Механизмы регуляризации отключены во время тестирования, поскольку мы используем все возможности сети.

Например, использование verboseмодели во время обучения помогает обнаружить переоснащение, которое происходит, если вы accпродолжаете улучшаться, а вам val_accстановится хуже.

По умолчанию verbose = 1,

verbose = 1, который включает в себя индикатор выполнения и одну строку за эпоху

verbose = 0, означает молчание

verbose = 2, одна строка на эпоху, т.е. номер эпохи / общее количество эпох

Порядок подробностей, представленных с подробным флагом, следующий:

Меньше деталей .... Подробнее

0 <2 <1

По умолчанию 1

Для производственной среды рекомендуется 2