Auto-Keras API详解(4)——DeepSupervised类
(一)前 言
DeepSupervised类是Auto-Keras中用于一个训练的基类,这一节我们将详细介绍它的主要方法和各项参数的意义。
(二)方法详解
(1)init方法
init方法用于初始化实例,当‘resume’参数为True时,分类器将会从‘path’中加载,否则就会创建一个新的模型。
- 参数列表:
- verbose:
一个布尔值决定了网络的搜索过程是否会被打印至输出设备 - path:
一个字符串,中间结果的存储位置 - resume:
一个布尔值,当为‘True’时,模型会从存储在path目录下的模型继续搜索,如果为‘False’,则会开始一个新的搜索。 - searcher_args :
一个包含了搜索器初始化函数参数的字典
- verbose:
(2)final_fit方法
final_fit方法用于找到最优网络后做最后的训练。
- 参数列表:
- x:
一个Numpy数组的实例,包含了训练数据或者是训练数据与验证数据结合的数据 - y:
一个Numpy数组的实例,包含了训练数据的标签或者是训练标签与验证标签结合的数据 - x_test:
一个Numpy数组,包含了测试数据 - y_test :
一个Numpy数组,包含了测试数据的标签 - trainer_args:
一个包含了ModelTrainer结构参数的字典 - retrain:
一个布尔值,用来决定是否重新初始化模型的权重参数
- x:
(3)export_keras_model方法
用来导出Auto-Keras训练好的模型
(4)predict方法
predict方法用来测试数据的预测值。
- 参数列表:
- x_test:
一个Numpy数组,包含了测试数据
- x_test:
(5)evaluate方法
evaluate方法用来在预测值和实际值之间评估模型的精度。
- 参数列表:
- x_test:
一个Numpy数组,包含了测试数据 - y_test :
一个Numpy数组,包含了测试数据的标签
- x_test:
(三)总 结
在这一节中,我们介绍了DeepSupervised类的相关方法,有任何的问题请在评论区留言,我会尽快回复,谢谢支持!