Contrôler learning_rate ne tflearn pas

Question

Je suis nouveau avec TFLearn. J'ai étudié ce introduction tutorial à TFLearn, dans lequel une quantité fixe d'époques est fixée. Cependant, je voudrais savoir si il est possible d'utiliser la combinaison learning_rate et précision pour déterminer la fin de la formation en réseau ... par exemple: en fonction de la précision diminuer ou augmenter le learning_rate ... ou selon à la précision arrêter la formation.

# Build neural network 
net = tflearn.input_data(shape=[None, 6]) 
net = tflearn.fully_connected(net, 32) 
net = tflearn.fully_connected(net, 32) 
net = tflearn.fully_connected(net, 2, activation='softmax') 
net = tflearn.regression(net) 

# Define model 
model = tflearn.DNN(net) 
# Start training (apply gradient descent algorithm) 
model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True) 

:)

Answer 1

Regardez dans http://tflearn.org/models/dnn/ et best_checkpoint_path et best_val_accuracy. Les paramètres enregistreront votre meilleur point de contrôle.

Si vous voulez arrêter l'entraînement, vous devez programmer un rappel vous-même pour arrêter l'entraînement. Voici un bon tutoriel sur l'arrêt précoce avec TFlearn: http://mckinziebrandon.me/TensorflowNotebooks/2016/11/28/early-stop-solution.html