Я создаю автоэнкодер и для проверки прогресса модели - я вычисляю MSE и MAE после каждой эпохи для каждой записи в наборе проверки:
for validation_sample in x_pred:
prediction = autoencoder.predict(validation_sample)
current_validation_mae.append(keras.backend.eval(keras.losses.mean_absolute_error(validation_sample, prediction)))
current_validation_mse.append(keras.backend.eval(keras.losses.mean_squared_error(validation_sample, prediction)))
После этого я беру этот массив, чтобы получить реальный MAE / MSE, разделив его на количество образцов при проверке.
Мои данные - это данные об экспрессии генов. 1 образец содержит 17000 функций и 1 точку данных для каждой функции. Всего 5000 образцов.
Производительность при использовании валидации 10 образцов (на суперкомпьютере):
Прогноз создан за 0,019748687744140625 секунд.
MAE заняло: 1.1507933139801025 секунд.
MSE заняла: 1,1251187324523926 секунд.
Что можно улучшить?