如何在Keras中保存val_loss和val

我在Keras录制'val_loss'和'val_acc'时遇到了麻烦 . 'loss'和'acc'很容易，因为它们总是记录在model.fit的历史中 .

如果在 fit 中启用了验证，则会记录'val_loss'，如果启用了验证和准确性监视，则会记录 val_acc . 但是，这是什么意思？

我的节点是model.fit（train_data，train_labels，epochs = 64，batch_size = 10，shuffle = True，validation_split = 0.2，callbacks = [history]） .

如您所见，我使用5倍交叉验证并对数据进行随机播放 . 在这种情况下，如何在'fit'中启用'validation'来记录'val_loss'和'val_acc'？

谢谢

1 回答

从Keras文档中，我们有了models.fit方法：

fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)

'val_loss' is recorded if validation is enabled in fit, and val_accis recorded if validation and accuracy monitoring are enabled. - 如果用于上述fit方法中的callbacks参数，则来自 keras.callbacks.Callback() 对象 . 它可以用如下：

from keras.callbacks import Callback
    logs = Callback()
    model.fit(train_data, train_labels,epochs = 64, batch_size = 10,shuffle = True,validation_split = 0.2, callbacks=[logs]) 
    # Instead of using the history callback, which you've used.

如果在 fit 中启用了验证，则会记录'val_loss'：使用model.fit方法时，您使用的是 validatoin_split 参数，或者使用 validation_data 参数 to specify the tuple (x_val, y_val) or tuple (x_val, y_val, val_sample_weights) on which to evaluate the loss and any model metrics at the end of each epoch. .

历史对象 . 其History.history属性是连续时期的训练损失值和度量值的记录，以及验证损失值和验证度量值（如果适用） . - Keras文档（model.fit方法的返回值）

在您的模型中：

model.fit(train_data, train_labels,epochs = 64,batch_size = 10,shuffle = True,validation_split = 0.2, callbacks=[history])

如果您使用变量来保存model.fit，则使用历史回调：

history = model.fit(train_data, train_labels,epochs = 64,batch_size = 10,shuffle = True,validation_split = 0.2, callbacks=[history])
history.history

history.history 将为您输出一个字典： loss ， acc ， val_loss 和 val_acc ：如下所示：

{'val_loss': [14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849,
  14.431451635814849],
 'val_acc': [0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403,
  0.1046428571712403],
 'loss': [14.555215610322499,
  14.555215534028553,
  14.555215548560733,
  14.555215588524229,
  14.555215592157273,
  14.555215581258137,
  14.555215575808571,
  14.55521561940511,
  14.555215563092913,
  14.555215624854679],
 'acc': [0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571,
  0.09696428571428571]}

您可以使用注释中给出的csvlogger或者使用更长的方法将字典写入csv文件来保存数据，如下所示writing a dictionary to a csv

csv_logger = CSVLogger('training.log')
model.fit(X_train, Y_train, callbacks=[csv_logger])

回复于 2024-05-03T02:03:23+08:00

如何在Keras中保存val_loss和val_acc

1 回答

相关问题