J'ai un modèle tel que vu dans le code ci-dessous, mais lorsque j'essaie de l'évaluer ou d'utiliser earlystopping, je reçois l'erreur suivante :
numdigits = int(np.log10(self.target)) + 1
OverflowError: cannot convert float infinity to integer
Je dois dire que sans utiliser .EarlyStopping
o model.evaluate
tout fonctionne bien.
Je sais que np.log10(0)
donne -inf
Cela pourrait donc être une cause potentielle, mais pourquoi y a-t-il une 0
et comment peut-on l'éviter ? Comment résoudre ce problème ?
NOTES
Voici le code que j'utilise :
import tensorflow as tf
from tensorflow import keras
TRAIN_PERCENT = 0.9
model = keras.Sequential([
keras.layers.Dense(128, input_shape=(100,), activation='relu'),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(100)
])
earlystop_callback = keras.callbacks.EarlyStopping(min_delta=0.0001, patience=1
, monitor='accuracy'
)
optimizer = keras.optimizers.Adam(lr=0.01)
model.compile(optimizer=optimizer, loss="mse", metrics=['accuracy'])
X_set, Y_set = some_get_data_function()
sep = int(len(X_set)/TRAIN_PERCENT)
X_train, Y_train = X_set[:sep], Y_set[:sep]
X_test, Y_test = X_set[sep:], Y_set[sep:]
model.fit(X_train, Y_train, batch_size=16, epochs=5, callbacks=[earlystop_callback])
ev = model.evaluate(X_test, Y_test)
print(ev)
Les ensembles X,Y sont np
tableaux. X est un tableau de tableaux de 100 entiers compris entre 0
y 10
. Y est un tableau de tableaux de 100 entiers, tous sont soit 0
o 1
.