【历史文档】算子样例-训练(深度学习)

由qxiao创建，最终由small_q更新于2024-05-15 08:35 被浏览 248 用户

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平台：

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

新版表达式算子：

https://bigquant.com/wiki/doc/dai-sql-Rceb2JQBdS

新版因子平台：

https://bigquant.com/wiki/doc/bigalpha-EOVmVtJMS5

\

使用场景

对深度学习模型进行训练。

输入端

• 模型结构：构建好的模型，通常接构建（深度学习） 块。必填。

• 训练数据：训练数据，pickle格式dict，包含x和y。必填。

• 验证数据：验证数据，pickle格式dict，包含x和y。

  \

输入参数

• 优化器：模型训练使用的优化器。

• 自定义优化器：如果不使用平台提供的优化器，可以自定义优化器，示例：

  from tensorflow.keras import optimizers 
  bigquant_run=optimizers.SGD(lr=0.01, clipvalue=0.5)
  

• 目标函数：模型训练使用的目标函数。

• 自定义目标函数：如果不使用平台提供的目标函数，可以自定义目标函数，示例：

  from tensorflow.keras import losses 
  bigquant_run=losses.mean_squared_error
  

• 评估指标：评估模型在训练时的性能的指标。

• batch_size：进行梯度下降时每个batch包含的样本数。训练时一个batch的样本会被计算一次梯度下降，使目标函数优化一步。

• epochs：训练终止时的epoch值，训练将在达到该epoch值时停止。

• 提前终止训练：可以自定义函数来提前终止训练，示例：

  from tensorflow.keras.callbacks import EarlyStopping
  bigquant_run=EarlyStopping(monitor='val_mse', min_delta=0.0001, patience=3)
  

• 用户自定义层：如果在模型构建中使用了自定义层，这里需要填上自定义层。

• gpu个数：训练时使用的gpu个数。

• 日志输出：日志输出方式。默认：2:每个epoch输出一行记录。

  \

输出端

• 训练后的模型：训练后的模型。

运行结果

• 通过模块id.data.read()查看训练好的模型。

  

• 通过模块id.plot_result()查看训练训练曲线。

  
  

使用样例

https://bigquant.com/experimentshare/246b3cd47c20426dbb89dca784c1e995

\