如何在Keras的自定义批次训练中获得每个epoch的损失？

Question

如何在Keras的自定义批次训练中获得每个epoch的损失？

pythontensorflowmachine-learningkerasdeep-learning

3

我正在进行AI方面的一些实验，我有一个模型，希望能训练具有之前选择和不规则形状的批次数据。

以下是我的情况：

model = create_model(units_vector, (inp_shape,), lr)
for i in range(epochs):
    for batch in batches:
        model.fit(batch[0], batch[1], epochs=1, verbose=0)

函数create_model定义了一个简单的模型（仅包含密集层），并使用mse和Adam进行编译。

batches是一个包含输入输出的元组列表（存储在numpy数组中）。

我希望在每个epoch结束时打印模型经历的损失，或者有一种方法可以检查模型是否正在学习东西（而不必在每个批次打印一条消息，这会导致太多的垃圾信息）。

- Daniel Casasampera

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Marco Cerliani · Accepted Answer

这里有一种简单的方法，在每个时期结束时打印损失。你可以通过model.history.history访问损失。您还可以根据需要修改消息。

epochs = 5
n_batches = 20
n_features = 10
batches = [[np.random.uniform(0,1, (1,n_features)), np.random.uniform(0,1, (1,1))] for _ in range(n_batches)]

inp = Input((n_features,))
x = Dense(32)(inp)
out = Dense(1)(x)
model = Model(inp, out)
model.compile('adam', 'mse')

for i in range(epochs):
    for batch in batches:
        model.fit(batch[0], batch[1], epochs=1, verbose=0)
    print(f"EPOCH {i}", model.history.history)

输出示例：

EPOCH 0 {'loss': [0.9013449549674988]}
EPOCH 1 {'loss': [0.7315107583999634]}
EPOCH 2 {'loss': [0.5937882661819458]}
EPOCH 3 {'loss': [0.5331881046295166]}
EPOCH 4 {'loss': [0.47262871265411377]}