Как Keras в своих недрах считает loss, accuracy, val_loss, val_accuracy?
Где это описано. Не могу найти. Скорее всего не то спрашиваю у гугла просто.
Т.е. то, что возвращается в history = model.fit(x_train0, y_train0, validation_split=0.2, epochs=5).
loss — это, как я понимаю, результат функции потерь для пакета обучения. Зависит от выбранной функции потерь.
accuracy — доля успешных угадываний сетью верного результата (y_train совпало с neuralnet(x_train)) из общего числа экспериментов.
то что с префиксом val_ — это как loss и accuracy, но считается на validation сете (validation_split-часть из training set). Validation set не используется для прямого обучения сети, но зато на каждом шаге обучения показывает, как сеть работает на незнакомых данных, и по результатам можно подкручивать гиперпараметры.
Верно?
Мне собственно нужно в дипломе расписать, как keras определяет ошибку при обучении. Я так понимаю, что нужно смотреть в исходники функции потерь, но не уверен. Где это можно найти?
|