我写了一个回调，当准确率达到99%时停止训练。但问题是我得到了这个错误。有时，如果我解决了这个错误，即使acuurqacy成为100%，回调也不会被调用。
在“NoneType”和“float”的示例之间不支持“〉”
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs={}):
if(logs.get('accuracy') > 0.99):
self.model.stop_training = True
def train_mnist():
# Please write your code only where you are indicated.
# please do not remove # model fitting inline comments.
# YOUR CODE SHOULD START HERE
# YOUR CODE SHOULD END HERE
call = myCallback()
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data(path=path)
# YOUR CODE SHOULD START
x_train = x_train/255
y_train = y_train/255
# YOUR CODE SHOULD END HERE
model = tf.keras.models.Sequential([
# YOUR CODE SHOULD START HERE
keras.layers.Flatten(input_shape=(28,28)),
keras.layers.Dense(128,activation='relu'),
keras.layers.Dense(10,activation='softmax')
# YOUR CODE SHOULD END HERE
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# model fitting
history = model.fit(# YOUR CODE SHOULD START HERE
x_train,y_train,epochs=9,callbacks=[call] )
# model fitting
return history.epoch, history.history['acc'][-1]
2条答案
按热度按时间jvlzgdj91#
上面代码的两个主要问题：
.fit方法中指定validation_split=.2参数，并在验证集上寻找高准确率。keras.callbacks.EarlyStopping中完成，它甚至可以选择在每个epoch中恢复到最佳整体模型。并且，默认情况下，如果您有验证分割，它会寻找验证精度，而不是训练精度。所以，你应该这样做：停止使用自定义回调，它们需要一些掌握才能开始工作。使用
EarlyStopping和restore_best代替。like this始终使用validation_split并在验证集中寻找高准确性。Like in this quick example。使用内置的回调函数解决了你的问题吗？
q43xntqr2#
我有同样的问题，但不是
logs.get('accuracy')，我做了logs.get('acc')，它的工作。