機械学習における冗長性

Mary-Kate Olsen
Mary-Kate Olsenオリジナル
2024-10-16 18:12:021016ブラウズ

冗長

プログラムの実行中に生成される出力のレベルを制御するプログラミングにおけるフラグ。これにより、出力なし (サイレント モード) から、進行状況の更新、メトリクス、追加の診断情報を含む詳細なログに至るまで、ユーザーに表示される情報の量が決定されます。

使用法:

  • Verbose=0: 出力は生成されません。
  • Verbose=1: 基本的な出力が表示されます。通常、進行状況インジケーターが含まれます。
  • Verbose=2: 包括的なメトリクスや追加のログを含む詳細な出力が提供されます。

画像

詳細:0
Verbose in Machine Learning

詳細:1
Verbose in Machine Learning

詳細:2

Verbose in Machine Learning

表: 機械学習フレームワークのデフォルトの詳細レベル

Framework Default Verbosity Description
Keras/TensorFlow verbose=1 Basic output with a progress bar.
Scikit-Learn Typically verbose=0 No verbosity set by default; varies by estimator. Most estimators default to 0.
XGBoost verbosity=1 Displays warnings and progress information.
LightGBM verbosity=1 Provides progress information during training.
PyTorch No direct verbose flag Logging can be controlled using different logging libraries.
フレームワーク

デフォルトの詳細度

説明
    Keras/TensorFlow
冗長=1 進行状況バーを含む基本的な出力。 Scikit-Learn
  • 通常は冗長=0 デフォルトでは冗長性は設定されていません。見積もり業者によって異なります。ほとんどの推定量はデフォルトで 0 に設定されます。 XGBoost
  • 冗長性=1 警告と進行状況の情報を表示します。 LightGBM 冗長性=1 トレーニング中の進捗情報を提供します。 PyTorch 直接の冗長フラグはありません ログは、さまざまなログ ライブラリを使用して制御できます。 いつ使用するか: サイレント操作、バッチ処理、または本番環境の実行には、verbose=0 を使用します。 基本的な更新が必要な場合の一般的なトレーニングには、verbose=1 を使用します。 すべての詳細を注意深く監視する必要がある場合、またはモデルをデバッグする場合は、verbose=2 を使用します。
  • 以上が機械学習における冗長性の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

    声明:
    この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。