Tensorflow`model.fit()` 打印輸出

Question

在擬合模型時，而不是分數 / ETA 覆蓋的 Epochs 的正常日志，它會將它們全部打印出來。

model = models.Sequential()

model.add(layers.Embedding(num_words, embedding_size))
model.add(layers.Bidirectional(layers.GRU(64, return_sequences=True)))
model.add(layers.Bidirectional(layers.GRU(64)))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(32, activation='relu'))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',
              optimizer='adam',
              metrics=metrics)
model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val))

印刷：

195/317 [==================>........] - 預計到達時間：23 秒 - 損失：0.5989 - 准確度：0.0000e+00 - 精度：0.6656 - 召回：0.49 - ETA：22s - 損失：0.5992 - 精度：0.0000e+00 - 精度：0.6652 - 召回：0.49 - ETA：22s - 損失：0.5987 - 精度：0.00605e - 召回率：0.49 - ETA：22s - 損失：0.5974 - 准確率：0.0000e+00 - 精度：0.6673 - 召回率：0.49 - ETA：22s - 損失：0.5964 - 准確率：0.0000e+00 -7 精度：0.9 召回率：0.6 - ETA：22s - 損失：0.5969 - 准確度：0.0000e+00 - 精度：0.6680 - 召回：0.49 - ETA：22s - 損失：0.5967 - 准確度：0.0000e+00 - 精度：0.6677 - 召回：0.2sTA.9 - 損失：0.5968 - 精度：0.0000e+00 - 精度：0.6678 - 召回：0.50 - ETA：22s - 損失：0.5954 - 精度：0.0000e+00 - 精度：0.6678 - 召回：0.50 - ETA：205：20 - 准確率：0.0000e+00 - 准確率：0.6681 - 召回率：0.50 - ETA：22s - 損失：0.5943 - 准確率：0.0000e+00 - 准確率：0.6689 - 召回率：0.50 - ETA：21s - 損失：0.5944 y：0.0000e+00 - 精度：0.6678 - 召回：0.50 - ETA：21s - 損失：0.5931 - 精度：0.0000e+00 - 精度：0.6681 - 召回：0.50 - ETA：21s - 損失：0.093.005 +00 - 精度：0.6678 - 召回：0.51 - ETA：21s - 損失：0.5927 - 精度：0.0000e+00 - 精度：0.6675 - 召回：0.51 - ETA：21s - 損失：0.5922 - 精度：0+000 ：0.6675 - 召回：0.51 - ETA：21s - 損失：0.5926 - 准確度：0.0000e+00 - 精確度：0.6673 - 召回：0.51 - ETA：21s - 損失：0.5915 - 准確度：0.0060e+0 召回率：0.0060e+0 ：0.51 - ETA：21s - 損失：0.5915 - 准確度：0.0000e+00 - 准確度：0.6681 - 召回：0.51 - ETA：21s - 損失：0.5914 - 准確度：0.0000e+00 - 准確度：0.5 - 召回率：0.166 ：21s - 損失：0.5907 - 准確度：0.0000e+00 - 准確度：0.6683 - 召回：0.51 - ETA：21s - 損失：0.5905 - 准確度：0.0000e+00 - 准確度：0.6687 - 召回率：0.52 - ETA：0.52 ：0.5895 - 准確度：0.0000e+00 - 准確度：0.6697 - 召回：0.52 - ETA：20s - 損失：0.5882 -准確度：0.0000e+00 - 准確度：0.6710 - 召回：0.52 - ETA：20s - 損失：0.5872 - 准確度：0.0000e+00 - 准確度：0.6707 - 召回：0.52 - ETA：20s - 損失：0.0506 +00 - 精度：0.6706 - 召回：0.52 - ETA：20s - 損失：0.5857 - 精度：0.0000e+00 - 精度：0.6709 - 召回：0.52 - ETA：20s - 損失：0.5842 - 精度：0+000 ：0.6717 - 召回：0.52 - ETA：20s - 損失：0.5828 - 准確度：0.0000e+00 - 精確度：0.6723 - 召回：0.52 - ETA：20s - 損失：0.5812 - 准確度：0.00073+0 召回率：0.53 - ETA：20s - 損失：0.5818 - 精度：0.0000e+00 - 精度：0.6744 - 召回：0.52 - ETA：20s - 損失：0.5818 - 精度：0.0000e+00 - 精度：0.2:60 - 召回率：0.67 ：19s - 損失：0.5807 - 准確度：0.0000e+00 - 准確度：0.6763 - 召回：0.53 - ETA：19s - 損失：0.5810 - 准確度：0.0000e+00 - 准確度：0.6774 - 召回：0.19 損失：0.53 ：0.5793 - 准確度：0.0000e+00 - 准確度：0.6782 - 召回：0.53 - ETA：19s - 損失： 0.5791 - 准確度：0.0000e+00 - 准確度：0.6794 - 召回：0.53 - ETA：19s - 損失：0.5786 - 准確度：0.0000e+00 - precis(. . . )

……等等……

Tensorflow 版本：2.3.1

有任何想法嗎？ 我在任何地方都找不到任何關於此的信息。

Answer 1

model.fit() 在 jupyter notebook 中顯示真實結果。 如果您使用 IDLE pyhton，則會顯示此類結果。

嘗試使用詳細的 0 或 2，

• 0 = 沒有結果
• 1 = 每批后的結果
• 2 = 每個 epoch 后的結果

model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val),verbose=0)

或者

model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val),verbose=2)

Answer 2

我認為這是由您選擇的指標引起的： model.compile(loss='binary_crossentropy',optimizer='adam',metrics=metrics)

這應該可以解決問題： model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])

您當然可以填寫您感興趣的指標。