Esta pregunta pretende abordar la biblioteca TensorFlow, pero de hecho no lo hace. La detención temprana no tiene nada que ver con la mecánica de TensorFlow. Una estrategia estándar para detenerse temprano es verificar el rendimiento en un conjunto de datos de validación de reserva después de cada época de entrenamiento, guardando el modelo cada vez que se establece un mejor puntaje. Cuando el rendimiento de los datos de validación se deteriora o deja de mejorar (durante K épocas consecutivas), puede detener el entrenamiento y seguir con el mejor modelo (el último modelo guardado).
Tenga en cuenta que esto aborda el bucle externo del entrenamiento y, por lo tanto, se implementa de la misma manera para el código TensorFlow que para Theano o Torch, o cualquier otra biblioteca. TensorFlow (o Theano, etc.) ingresa a la imagen porque facilita la aceleración del bucle interno (avance y retroceso a través de la red neuronal) al acelerar las operaciones de álgebra lineal y paralelizarlas a través de los núcleos de la GPU.
- ¿Podemos automatizar las búsquedas a través del aprendizaje automático? Tengo cientos de sitios web de diferentes fabricantes de automóviles, si tengo la intención de extraer toda la información (sobre todas las bicicletas / automóviles) junto con los enlaces.
- ¿Qué sería más beneficioso para un estudiante de tercer año de ECE, hacer aprendizaje automático u otros cursos?
- ¿Qué has aprendido haciendo investigación?
- ¿Cuál es el mejor código de Python que extrae todas las frases y parte de las etiquetas de voz (POS) de una oración?
- ¿Cómo funciona la propagación hacia atrás en la red neuronal convolucional?