如何在 Keras 的自定義批量訓練中獲得每個時期的損失？

Question

我正在用 AI 進行一些試驗，我有一個 model，我想在其中分批訓練它，這些批次是先前選擇的並且具有不規則的形狀。

這是我所擁有的：

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定義了一個簡單的 model （僅密集層）並使用mse和Adam編譯它。

batches是存儲輸入和輸出的元組列表（在 numpy 數組中）。

我想要一種在每個時代結束時打印 model 實驗的損失的方法。 或者通過某種方式來檢查 model 是否正在學習某些東西（不必在每批中打印一條消息，因為垃圾郵件太多）。

Answer 1

這是一種在每個時期結束時打印損失的簡單方法。 您可以通過model.history.history訪問損失。 也可以根據需要修改消息

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]}