python-L1-L2正则化的不同系数

我想用L1和L2正规化来正规化网络的权重.但是,我找不到独立改变正则化强度的方法. Keras documentation也不提供任何信息.

因此,有没有办法在l1_l2正则化器中使用不同的强度？还是获得相同结果的替代方法？

我当前的模型很简单：

stren = 0.001
model = Sequential()
model.add(Dense(64, input_dim=148, activation='relu', kernel_regularizer=reg.l2(stren)))
model.add(Dense(1, activation='sigmoid', kernel_regularizer=reg.l2(stren)))

我希望能够有一些类似的东西：

kernel_regularizer=reg.l1_l2(l1_str, l2_str)

解决方法:

当然,您可以独立更改regularizers的优势：

from keras import regularizers

regularizers.l1_l2(l1=0.001, l2=0.1) # the strength of l1 is set to 0.001 and l2 to 0.1

标签：keras,machine-learning,regularized,python
来源： https://codeday.me/bug/20191108/2010371.html