在keras中实现查看其训练loss值
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("Savingweights...")
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[==============================]-35s55ms/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
importpandasaspd
importmatplotlib.pyplotasplt
importargparse
importos
importnumpyasnp
defget_args():
parser=argparse.ArgumentParser(description="Thisscriptshowstraininggraphfromhistoryfile.")
parser.add_argument("--input","-i",type=str,required=True,
help="pathtoinputhistoryh5file")
args=parser.parse_args()
returnargs
defmain():
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("Numberofepochs",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("Numberofepochs",fontsize=20)
plt.ylabel("Meanabsoluteerror",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毛票票。