我希望您能够同时使用L1和L2正则化来规范网络的权重。但是,我无法找到一种方法来独立地改变正则化的强度。Keras的文档也没有提供任何信息。
因此,是否有一种方法可以在l1_l2正则化器中使用不同的强度?或者,是否有其他方法可以达到相同的效果?
我的当前模型如下:
因此,是否有一种方法可以在l1_l2正则化器中使用不同的强度?或者,是否有其他方法可以达到相同的效果?
我的当前模型如下:
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)))
我希望能够有类似以下的内容:
kernel_regularizer=reg.l1_l2(l1_str, l2_str)