标准Keras模型输出意味着什么？喀拉斯的时代和损失是什么？

Question

我刚刚用Keras构建了我的第一个模型，这是输出。它看起来像是在构建任何Keras人工神经网络之后得到的标准输出。即使在查阅了文档之后，我也不完全理解什么是纪元，什么是输出中打印的损失。

喀拉斯的时代和损失是什么？

（我知道这可能是一个非常基本的问题，但我似乎无法在网上找到答案，如果答案真的很难从文档中收集到，我认为其他人也会有同样的问题，因此决定将其张贴在这里。）

Epoch 1/20
1213/1213 [==============================] - 0s - loss: 0.1760     
Epoch 2/20
1213/1213 [==============================] - 0s - loss: 0.1840     
Epoch 3/20
1213/1213 [==============================] - 0s - loss: 0.1816     
Epoch 4/20
1213/1213 [==============================] - 0s - loss: 0.1915     
Epoch 5/20
1213/1213 [==============================] - 0s - loss: 0.1928     
Epoch 6/20
1213/1213 [==============================] - 0s - loss: 0.1964     
Epoch 7/20
1213/1213 [==============================] - 0s - loss: 0.1948     
Epoch 8/20
1213/1213 [==============================] - 0s - loss: 0.1971     
Epoch 9/20
1213/1213 [==============================] - 0s - loss: 0.1899     
Epoch 10/20
1213/1213 [==============================] - 0s - loss: 0.1957     
Epoch 11/20
1213/1213 [==============================] - 0s - loss: 0.1923     
Epoch 12/20
1213/1213 [==============================] - 0s - loss: 0.1910     
Epoch 13/20
1213/1213 [==============================] - 0s - loss: 0.2104     
Epoch 14/20
1213/1213 [==============================] - 0s - loss: 0.1976     
Epoch 15/20
1213/1213 [==============================] - 0s - loss: 0.1979     
Epoch 16/20
1213/1213 [==============================] - 0s - loss: 0.2036     
Epoch 17/20
1213/1213 [==============================] - 0s - loss: 0.2019     
Epoch 18/20
1213/1213 [==============================] - 0s - loss: 0.1978     
Epoch 19/20
1213/1213 [==============================] - 0s - loss: 0.1954     
Epoch 20/20
1213/1213 [==============================] - 0s - loss: 0.1949

Answer 1

当您的模型在网络中的所有节点上运行数据并准备更新权重以达到最佳损失值时，一个纪元结束。也就是说，越小越好。在你的例子中，由于在更高的历元上有更高的损失分数，“似乎”模型在第一个历元上更好。

我说“似乎”是因为我们还不能确定，因为该模型还没有用正确的交叉验证方法进行测试，也就是说，它只根据其训练数据进行评估。

改进模型的方法：

• 在你的Keras模型中使用交叉验证来找出模型的实际执行情况，它在预测以前从未见过的新数据时是否能很好地概括？
• 调整学习速度、神经网络模型的结构、隐藏单元/层的数量、init、优化器和模型中使用的激活器参数等等。

将sklearn的GridSearchCV与Keras相结合可以使这个过程自动化。