时间戳

首页 > 解决方案 > 根据 Keras 示例记录每个批次的 Keras 指标以了解损失

python - 根据 Keras 示例记录每个批次的 Keras 指标以了解损失

问题描述

在 Keras 文档中，有一个示例，其中创建了一个自定义回调来记录每个批次的损失。这对我来说效果很好，但是我也想记录我添加的指标。

例如对于此代码：

optimizer = Adam()
loss = losses.categorical_crossentropy
metric = ["accuracy"]

model.compile(optimizer=optimizer,
              loss=loss,
              metrics=metric)


class LossHistory(Callback):
    def on_train_begin(self, logs={}):
        self.losses = []

    def on_batch_end(self, batch, logs={}):
        self.losses.append(logs.get('loss'))

loss_history = LossHistory()

history = model.fit(training_data, training_labels,
                    batch_size=batch_size,
                    epochs=epochs,
                    verbose=2,
                    validation_data=(val_data, val_labels),
                    callbacks=[loss_history])

我不知道如何访问这些指标。

标签： pythontensorflowkerasloss

解决方案

度量历史存储在内部loss_history.losses：

def on_batch_end(self, batch, logs={}):
  self.losses.append(logs.get('loss'))

此方法将在每批结束时调用，并将损失指标附加到其中self.losses，因此一旦训练完成，您就可以直接使用 访问此列表loss_history.losses。

我还应该补充一点，如果您想包括准确性，例如，您还可以执行以下操作：

class LossHistory(Callback):
    def on_train_begin(self, logs={}):
        self.losses = []
        self.accuracy= []

    def on_batch_end(self, batch, logs={}):
        self.losses.append(logs.get('loss'))
        self.accuracy.append(logs.get('accuracy'))

然后随后通过以下方式访问它：

loss_history.accuracy

推荐阅读