Il modello sequenziale di Keras: un esempio di utilizzo.

Il modello sequenziale di Keras: un esempio di utilizzo.

Aprile 6, 2022 1 Di Ruggero Grando

PRIMO GRUPPO DI TEST

Come già detto, il primo gruppo di test è eseguito con la funzione di loss “Binary_Crossentropy” e gli otto valori disponibili degli ottimizzatori.

Nr. TestValore LossValore OptimizerAccuracy MaxColore GraficoBatch Size
1binary_crossentropyadam0.8306grigio10
2binary_crossentropyrmsprop0.8411 arancione10
3binary_crossentropysgd0.8038blu10
4binary_crossentropyadadelta0.3994rosso10
5binary_crossentropyadagrad0.7469azzurro10
6binary_crossentropyadamax0.8049viola10
7binary_crossentropynadam0.848verde10
8binary_crossentropyftrl0.651grigio scuro10
Tabella 1:
(Test accuracy max: binary_crossentropy e nadam).
Fig. 15
(Risultati dei primi test: Binary_Crossentropy e optimizer “Nadam”).

Come si vede dall’immagine, il valore più alto è quello raggiunto dalla combinazione (loss+optimizer) di colore verde. In tale situazione, la combinazione è la seguente: loss uguale a “Binary_Crossentropy” e optimzer “Nadam”.

SECONDO GRUPPO DI TEST

Nr .TestValore LossValore OptimizerAccuracy MaxColore GraficoBatch Size
1Hingeadam0.8306arancione10
2Hingermsprop0.8087blu10
3Hingesgd0.8005rosso10
4Hingeadadelta0.651azzurro10
5Hingeadagrad06756viola10
6Hingeadamax0.8104verde10
7Hingenadam0.8289grigio10
8Hingeftrl0.651marrone10
Tabella 2
(Test accuracy max: hinge e adam).
Fig. 16
Risultati del secondo gruppo di test: Hinge e optimizer “Adam”.

TERZO GRUPPO DI TEST

Nr. TestValore LossValore OptimizerAccuracy MaxColore GraficoBatch Size
1Squared Hinge Lossadam0.8306arancione10
2Squared Hinge Lossrmsprop0.8097blu10
3Squared Hinge Losssgd0.8005rosso10
4Squared Hinge Lossadadelta0.651azzurro10
5Squared Hinge Lossadagraf0.6756viola10
6Squared Hinge Lossadamax0.8104verde10
7Squared Hinge Lossnadam0.8289grigio10
8Squared Hinge Lossftrl0.651marrone10
Tabella 3
(Test accuracy max: Squared Hinge Loss e adam).
Fig. 17
Risultati del secondo gruppo di test: “Squared Hinge Loss” e optimizer “Adam”.

Dai tests eseguiti evince come si raggiunge un valore migliore applicando la combinazione “Binary_Crossentropy” e ottimizzatore “Nadam”. Tale risultato è applicato ai dati di training e solo a quelli. Quindi, non è detto che nei dati di tests applicando tale combinazione si ottenga lo stesso risultato.

Pagina Precedente / Pagina Successiva

No votes yet.
Please wait...

Pagine: 1 2 3 4 5 6 7 8 9 10