如何在 Keras 的每個訓練周期后進行預測？

Question

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。

Answer 1

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 。

Answer 2

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？