keras.backend 的 clear_session() 方法没有清理拟合数据

Question

我正在比较不同类型数据质量的拟合精度结果。“好数据”是特征值中没有任何 NA 的数据。“坏数据”是特征值中具有 NA 的数据。应该通过一些值校正来修复“坏数据”。作为值校正，它可能会用零或平均值替换 NA。在我的代码中，我试图执行多个拟合程序。查看简化的代码：from keras import backend as K...xTrainGood = ... # the good version of the xTrain data xTrainBad = ... #  the bad version of the xTrain data...model = Sequential()model.add(...)...historyGood = model.fit(..., xTrainGood, ...) # fitting the model with                                               # the original data without                                              # NA, zeroes, or the feature mean values根据historyGood数据查看拟合精度图：之后，代码重置存储的模型并使用“坏”数据重新训练模型：K.clear_session()historyBad = model.fit(..., xTrainBad, ...)根据historyBad数据查看拟合过程结果：可以注意到，初始精度> 0.7，这意味着模型“记住”了之前的拟合。为了比较，这是“坏”数据的独立拟合结果：如何将模型重置为“初始”状态？

Answer 1

K.clear_session()不足以重置状态并确保可重复性。您还需要：

• 设置（和重置）随机种子

• 重置 TensorFlow 默认图

• 删除以前的模型

完成以下各项的代码。

reset_seeds()

model = make_model() # example function to instantiate model

model.fit(x_good, y_good)

del model

K.clear_session()

tf.compat.v1.reset_default_graph()

reset_seeds()

model = make_model()

model.fit(x_bad, y_bad)

请注意，如果其他变量引用模型，您也应该使用del它们 - 例如model = make_model(); model2 = model--> del model, model2- 否则它们可能会持续存在。最后，tf随机种子不像random's 或numpy's 那样容易重置，并且需要事先清除图形。

使用的功能/模块：

import tensorflow as tf

import numpy as np

import random

import keras.backend as K

def reset_seeds():

    np.random.seed(1)

    random.seed(2)

    if tf.__version__[0] == '2':

        tf.random.set_seed(3)

    else:

        tf.set_random_seed(3)

    print("RANDOM SEEDS RESET")

Answer 2

您K.clear_session()以错误的方式使用，要获得具有随机初始化权重的模型，您应该删除旧模型（使用del关键字），然后继续创建一个新模型，并对其进行训练。

您可以K.clear_session()在每次安装程序后使用。

Answer 3

实例化一个新的同名模型对象还不够？

model = make_model()