相关疑难解决方法(0)

我有一大堆的流指标(中tf.metrics.accuracy和定制流媒体micro,macro和weightedF1分数).

在训练期间,我得到了下面的那种情节(永远不要过度拟合).

这是因为计算验证集的度量标准,我调用它tf.local_variables_initializer来重置度量标准,并且只有验证集的值.

这意味着2个副作用:

1. 图像中的尖峰
2. 在验证之间,即使验证每2个时期发生,训练指标也会保持聚合

我可以通过让不同的张量保持每个度量(train vs val)来部分解决这种情况.但它无法解决2.

因此,我有两个问题:

• 根据您的经验,这是您期望看到的行为(或不是？解决方案？)
• 有没有办法让指标只在最后n一批中流？