如何在TensorFlow 2.0中控制詳細程度

Question

在TensorFlow 1.x中，我可以自由選擇在培訓期間以及何時打印准確性/損失得分的方式。 例如，如果我想每隔100個時間打印一次訓練損失，則可以在tf.Session()編寫：

if epoch % 100 == 0:
    print(str(epoch) + '. Training Loss: ' + str(loss))

TF 2.0（alpha）發行之后，Keras API似乎不得不堅持其標准輸出。 有沒有辦法恢復這種靈活性？

Answer 1

如果您不使用.fit Model方法（ .fit ， .train_on_batch ，...），而是使用急切的執行編寫自己的訓練循環（並將其包裝在tf.function以將其轉換為圖形表示形式），可以像您在1.x中一樣控制詳細程度

training_epochs = 10
step = 0
for epoch in range(training_epochs)
    print("starting ",epoch)
    for features, labels in dataset:
        with tf.GradientTape() as tape:
            loss = compute_loss(model(features),labels)
        gradients = tape.gradients(loss, model.trainable_variables)
        optimizer.apply_gradients(zip(gradients, model.trainable_variables))
        step += 1
        if step % 10 == 0:
            # measure other metrics if needed
            print("loss: ", loss)
    print("Epoch ", epoch, " finished.")