python - Tensorflow,如何存储变量?
问题描述
所以我刚刚开始对 tensorflow 进行一些试验,但我觉得我很难掌握这个概念,我目前专注于 MNIST 数据集,但其中只有 8000 个用于训练,2000 个用于测试。我目前拥有的小代码片段是:
from keras.layers import Input, Dense, initializers
from keras.models import Model
from Dataset import Dataset
import matplotlib.pyplot as plt
from keras import optimizers, losses
import tensorflow as tf
import keras.backend as K
#global variables
d = Dataset()
num_features = d.X_train.shape[1]
low_dim = 32
def autoencoder():
w = initializers.RandomNormal(mean=0.0, stddev=0.05, seed=None)
input = Input(shape=(num_features,))
encoded = Dense(low_dim, activation='relu', kernel_initializer = w)(input)
decoded = Dense(num_features, activation='sigmoid', kernel_initializer = w)(encoded)
autoencoder = Model(input, decoded)
adam = optimizers.Adagrad(lr=0.01, epsilon=None, decay=0.0)
autoencoder.compile(optimizer=adam, loss='binary_crossentropy')
autoencoder.fit(d.X_train, d.X_train,
epochs=50,
batch_size=64,
shuffle=True,
)
encoded_imgs = autoencoder.predict(d.X_test)
decoded_imgs = autoencoder.predict(encoded_imgs)
#sess = tf.InteractiveSession()
#error = losses.mean_absolute_error(decoded_imgs[0], d.X_train[0])
#print(error.eval())
#print(decoded_imgs.shape)
#sess.close()
n = 20 # how many digits we will display
plt.figure(figsize=(20, 4))
for i in range(n):
# display original
#sess = tf.InteractiveSession()
error = losses.mean_absolute_error(decoded_imgs[n], d.X_test[n])
#print(error.eval())
#print(decoded_imgs.shape)
#sess.close()
ax = plt.subplot(2, n, i + 1)
plt.imshow(d.X_test[i].reshape(28, 28))
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
# display reconstruction
ax = plt.subplot(2, n, i + 1 + n)
plt.imshow(decoded_imgs[i].reshape(28, 28))
plt.gray()
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
#print(error)
plt.show()
return error
我想要做的是将错误存储为一个列表,稍后我可以打印或绘制在图表中,但是如何使用 tensorflow/keras 有效地做到这一点?提前致谢
解决方案
您可以使用回调 CSVLogger 将错误存储在 csv 文件中。这是此任务的代码片段。
from keras.callbacks import CSVLogger
# define callbacks
callbacks = [CSVLogger(path_csv_logger, separator=';', append=True)]
# pass callback to model.fit() oder model.fit_generator()
model.fit_generator(
train_batch, train_steps, epochs=10, callbacks=callbacks,
validation_data=validation_batch, validation_steps=val_steps)
编辑:为了将错误存储在列表中,您可以使用类似这样的东西
# source https://keras.io/callbacks/
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'))
推荐阅读
- javascript - 创建一个按钮来改变不同元素的背景和文本颜色
- button - SwiftUI:如何同时处理轻按和长按按钮?
- asp.net-core - 将 Swashbuckle 配置为使用内联模式
- couchbase - 是否可以在现有的 1 节点集群上启用查询 + 索引服务?
- java - Wildfly 模块与 Fat EAR 文件的补丁
- azure - 无法访问用于沉浸式 VR 的 Windows SpatialPerception
- amazon-web-services - 将新对象添加到地图时 Terraform 重新生成资源
- flutter - 轻敲 InkWell 内部时如何防止对周围 InkWell 产生涟漪效应
- pagespeed - Lighthouse 返回错误:generic::internal: APP::1: 渲染器异常终止,状态 = crashed exit_code = 1
- php - 通过代理服务器进行 PHP LDAP 身份验证