如何在 Keras 的自定义批量训练中获得每个时期的损失？

Question

我正在用 AI 进行一些试验，我有一个 model，我想在其中分批训练它，这些批次是先前选择的并且具有不规则的形状。

这是我所拥有的：

model = create_model(units_vector, (inp_shape,), lr)
for i in range(epochs):
    for batch in batches:
        model.fit(batch[0], batch[1], epochs=1, verbose=0)

function create_model定义了一个简单的 model （仅密集层）并使用mse和Adam编译它。

batches是存储输入和输出的元组列表（在 numpy 数组中）。

我想要一种在每个时代结束时打印 model 实验的损失的方法。 或者通过某种方式来检查 model 是否正在学习某些东西（不必在每批中打印一条消息，因为垃圾邮件太多）。

Answer 1

这是一种在每个时期结束时打印损失的简单方法。 您可以通过model.history.history访问损失。 也可以根据需要修改消息

epochs = 5
n_batches = 20
n_features = 10
batches = [[np.random.uniform(0,1, (1,n_features)), np.random.uniform(0,1, (1,1))] for _ in range(n_batches)]

inp = Input((n_features,))
x = Dense(32)(inp)
out = Dense(1)(x)
model = Model(inp, out)
model.compile('adam', 'mse')

for i in range(epochs):
    for batch in batches:
        model.fit(batch[0], batch[1], epochs=1, verbose=0)
    print(f"EPOCH {i}", model.history.history)

output 示例：

EPOCH 0 {'loss': [0.9013449549674988]}
EPOCH 1 {'loss': [0.7315107583999634]}
EPOCH 2 {'loss': [0.5937882661819458]}
EPOCH 3 {'loss': [0.5331881046295166]}
EPOCH 4 {'loss': [0.47262871265411377]}