keras 训练 loss和acc可视化


import keras
from keras.utils import np_utils
import matplotlib.pyplot as plt
%matplotlib inline#写一个LossHistory类，保存loss和acc
class LossHistory(keras.callbacks.Callback):def on_train_begin(self, logs={}):self.losses = {'batch':[], 'epoch':[]}self.accuracy = {'batch':[], 'epoch':[]}self.val_loss = {'batch':[], 'epoch':[]}self.val_acc = {'batch':[], 'epoch':[]}def on_batch_end(self, batch, logs={}):self.losses['batch'].append(logs.get('loss'))self.accuracy['batch'].append(logs.get('acc'))self.val_loss['batch'].append(logs.get('val_loss'))self.val_acc['batch'].append(logs.get('val_acc'))def on_epoch_end(self, batch, logs={}):self.losses['epoch'].append(logs.get('loss'))self.accuracy['epoch'].append(logs.get('acc'))self.val_loss['epoch'].append(logs.get('val_loss'))self.val_acc['epoch'].append(logs.get('val_acc'))def loss_plot(self, loss_type):iters = range(len(self.losses[loss_type]))plt.figure()# accplt.plot(iters, self.accuracy[loss_type], 'r', label='train acc')# lossplt.plot(iters, self.losses[loss_type], 'g', label='train loss')if loss_type == 'epoch':# val_accplt.plot(iters, self.val_acc[loss_type], 'b', label='val acc')# val_lossplt.plot(iters, self.val_loss[loss_type], 'k', label='val loss')plt.grid(True)plt.xlabel(loss_type)plt.ylabel('acc-loss')plt.legend(loc="upper right")plt.show()model.fit(x, y, batch_size=32, nb_epoch=20,validation_data=(xt,yt),validation_steps=None,callbacks=[history]) history.loss_plot('epoch')train loss 不断下降，test loss不断下降，说明网络仍在学习;
train loss 不断下降，test loss趋于不变，说明网络过拟合;
train loss 趋于不变，test loss不断下降，说明数据集100%有问题;
train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;
train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题

keras 训练 loss和acc可视化相关推荐

验证和训练loss和acc多种情况分析
首先要明确一点刚开始的时候loss一定是个不为0且合理的值,接近为0那么就意味着你这个网络已经梯度消失,可以换网络或者是改网络了,要么就是数据集有问题,要么就是loss函数有问题. 1,假设你的数据集 ...
R语言使用keras包实现包含多个全连接层的二分类预测模型：在模型训练过程中动态可视化每个epoch后的loss值以及accuray值
R语言使用keras包实现包含多个全连接层的二分类预测模型:在模型训练过程中动态可视化每个epoch后的loss值以及accuray值目录
使用Keras训练历史可视化（含踩雷）
Keras训练历史可视化 Keras训练历史可视化示例代码注意 Keras训练历史可视化示例代码 import matplotlib.pyplot as plthistory = model.fit ...
使用keras绘制实时的loss与acc曲线
废话不多说,直接上代码,代码有注释,不懂得评论问博主即可 # -*- coding: utf-8 -*- import keras from keras.models import Sequentia ...
keras版yolov3绘制acc和loss曲线
keras版yolov3绘制acc和loss曲线基本概念程序基本概念 loss表示损失函数值,随着训练过程的进行,loss会越来越小.acc表示模型预测准确率.写论文时,loss曲线和acc曲线 ...
Python - 深度学习训练过程使用matplotlib.pyplot实时动态显示loss和acc曲线
1 深度学习训练过程中实时动态显示loss和acc曲线可参考代码如下: # -*- coding: utf-8 -*-import matplotlib.pyplot as pltif __name ...
保存与加载Keras训练好的模型
简介可以在训练过程中和训练完成后保存模型,这样就可以很方便地恢复和重用模型,节省模型训练时间. 这样也便于别人使用你的模型,一般有两种方式共享模型: 创建模型的源码训练好的模型(包括权重.参数等) ...
C++ 和 OpenCV 实现卷积神经网络并加载 Keras 训练好的参数进行预测
C++ 和 OpenCV 实现卷积神经网络并加载 Keras 训练好的参数进行预测一. 背景二. Keras 定义神经网络结构 channels_first 与 channels_last cha ...
使用Keras训练自动驾驶（使用Udacity自动驾驶模拟器）
使用Keras训练自动驾驶(使用Udacity自动驾驶模拟器) 1.完成项目所需要的资源 (1)模拟器下载 • Linux • macOS • Windows (2)Unity 下载运行Udacit ...

keras 训练 loss和acc可视化

keras 训练 loss和acc可视化相关推荐

最新文章

热门文章