想要檢視每次訓練模型後的 loss 值變化需要如下操作

loss_value= [ ]
self.history = model.fit(state,target_f,epochs=1,batch_size =32）
b = abs(float(self.history.history[‘loss'][0]))
loss_value.append(b)
print(loss_value)
loss_value = np.array( loss_value)
x = np.array(range(len( loss_value）））
plt.plot(x,loss_value,c = ‘g')
pt.svefit('c地址‘， dpi= 100)
plt.show()

scipy.sparse 稀疏矩陣 函式集合

pandas 用於在各種檔案中提取，並處理分析資料； 有DataFrame資料結構，類似表格。

x=np.linspace(-10,10,100) 生成100個在-10到10之間的陣列

補充知識：對keras訓練過程中loss，val_loss，以及accuracy，val_accuracy的視覺化

我就廢話不多說了，大家還是直接看程式碼吧！

 hist = model.fit_generator(generator=data_generator_reg(X=x_train,Y=[y_train_a,y_train_g],batch_size=batch_size),steps_per_epoch=train_num // batch_size,validation_data=(x_test,[y_test_a,y_test_g]),epochs=nb_epochs,verbose=1,workers=8,use_multiprocessing=True,callbacks=callbacks)

 logging.debug("Saving weights...")
 model.save_weights(os.path.join(db_name+"_models/"+save_name,save_name+'.h5'),overwrite=True)
 pd.DataFrame(hist.history).to_hdf(os.path.join(db_name+"_models/"+save_name,'history_'+save_name+'.h5'),"history")

在訓練時，會輸出如下列印：

640/640 [==============================] - 35s 55ms/step - loss: 4.0216 - mean_absolute_error: 4.6525 - val_loss: 3.2888 - val_mean_absolute_error: 3.9109

有訓練loss，訓練預測準確度，以及測試loss，以及測試準確度，將檔案儲存後，使用下面的程式碼可以對訓練以及評估進行視覺化，下面有對應的引數名稱：

loss，mean_absolute_error，val_loss，val_mean_absolute_error

import pandas as pd
import matplotlib.pyplot as plt
import argparse
import os
import numpy as np

def get_args():
 parser = argparse.ArgumentParser(description="This script shows training graph from history file.")
 parser.add_argument("--input","-i",type=str,required=True,help="path to input history h5 file")
 args = parser.parse_args()
 return args

def main():
 args = get_args()
 input_path = args.input

 df = pd.read_hdf(input_path,"history")
 print(np.min(df['val_mean_absolute_error']))
 input_dir = os.path.dirname(input_path)
 plt.plot(df["loss"],'-o',label="loss (age)",linewidth=2.0)
 plt.plot(df["val_loss"],label="val_loss (age)",linewidth=2.0)
 plt.xlabel("Number of epochs",fontsize=20)
 plt.ylabel("Loss",fontsize=20)
 plt.legend()
 plt.grid()
 plt.savefig(os.path.join(input_dir,"loss.pdf"),bbox_inches='tight',pad_inches=0)
 plt.cla()

 plt.plot(df["mean_absolute_error"],label="training",linewidth=2.0)
 plt.plot(df["val_mean_absolute_error"],label="validation",linewidth=2.0)
 ax = plt.gca()
 ax.set_ylim([2,13])
 ax.set_aspect(0.6/ax.get_data_ratio())
 plt.xticks(fontsize=20)
 plt.yticks(fontsize=20)
 plt.xlabel("Number of epochs",fontsize=20)
 plt.ylabel("Mean absolute error",fontsize=20)
 plt.legend(fontsize=20)
 plt.grid()
 plt.savefig(os.path.join(input_dir,"performance.pdf"),pad_inches=0)

if __name__ == '__main__':
 main()

以上這篇在keras中實現檢視其訓練loss值就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。