在很多例子中,我看到使用Kfold
,StratifiedKfold
或其他预建数据集分离器来执行训练/交叉验证数据集分割。凯拉斯车型内置validation_split
kwarg,可用于训练。建议在Keras培训中使用Kfold split或validation_split kwarg?
model.fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)
(https://keras.io/models/model/)
validation_split:浮子0和1之间:训练数据的分数被用作验证数据。该模型将分开这部分训练数据,不会训练它,并将在每个时期结束时评估这些数据的损失和任何模型度量。
我是新来的领域和工具,所以我对不同的分离器为您提供什么样的直觉。但主要是,我找不到关于Keras的validation_split
是如何工作的任何信息。有人可以解释给我,当单独的方法是可取的?内置的kwarg对我来说似乎是分离测试数据集的最简单和最简单的方法,而不必非常不同地构建您的训练循环。