想要查看每次训练模型后的 loss 值变化需要如下操作
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 稀疏矩阵 函数集合
pandas 用于在各种文件中提取,并处理分析数据; 有DataFrame数据结构,类似表格。
x=np.linspace(-10, 10, 100) 生成100个在-10到10之间的数组
补充知识:对keras训练过程中loss,val_loss,以及accuracy,val_accuracy的可视化
我就废话不多说了,大家还是直接看代码吧!
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")
在训练时,会输出如下打印:
640/640 [==============================] - 35s 55ms/step - loss: 4.0216 - mean_absolute_error: 4.6525 - val_loss: 3.2888 - val_mean_absolute_error: 3.9109
有训练loss,训练预测准确度,以及测试loss,以及测试准确度,将文件保存后,使用下面的代码可以对训练以及评估进行可视化,下面有对应的参数名称:
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"], '-o', 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"], '-o', label="training", linewidth=2.0) plt.plot(df["val_mean_absolute_error"], '-o', 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"), bbox_inches='tight', pad_inches=0) if __name__ == '__main__': main()
以上这篇在keras中实现查看其训练loss值就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]