[英]How to get the loss for each epoch in custom batch training in Keras?
[英]How to predict after each epoch of training in Keras?
我想在每個訓練時期之后可視化並保存驗證數據的預測。 在某種程度上,我可以進一步使用預測來離線分析它們。
我知道keras
的回調功能可能有效,但我想了解如何在model.fit()
使用它。
您可以編寫自己的
callback
函數,然后在您的model_fit()
方法中調用它
在此處查看官方 Keras 文檔:
class LossHistory(keras.callbacks.Callback):
def on_train_begin(self, logs={}):
self.losses = []
def on_batch_end(self, batch, logs={}):
self.losses.append(logs.get('loss'))
model = Sequential()
model.add(Dense(10, input_dim=784, kernel_initializer='uniform'))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')
history = LossHistory()
model.fit(x_train, y_train, batch_size=128, epochs=20, verbose=0, callbacks=[history])
print(history.losses)
# outputs
'''
[0.66047596406559383, 0.3547245744908703, ..., 0.25953155204159617, 0.25901699725311789]
'''
顯然,而不是節省損失,並附加它們。 您還可以調用model.predict()
並將結果保存在您自己的callback
。
我真的不明白您的問題是什么,因為keras模型的默認行為是在每個時期之后報告驗證損失/ acc。 您是否在每批之后都嘗試進行驗證?
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.