Keras - CNN 的训练和验证损失
Keras - training and validation loss for CNN
- 我正在使用 Keras 使用 train_on_batch 命令即时训练我的 CNN 模拟图像，并且可以获得训练损失。
下一个 运行- 我正在使用我预训练的 CNN（自己的架构）预测精度和召回率来预测我的结果，我将我的数据再次分成训练和测试数据集使用命令
预测 = model.predict(np.array(图片), batch_size=batch_size) .
我希望获得验证损失，但我不确定该怎么做？
您可以通过以下几行可视化模型的损失或准确性：
history = model.fit(your_parameters) / model.fit_generator(your_parameters)
# visualizing losses and accuracy
train_loss = history.history['loss']
val_loss = history.history['val_loss']
train_acc = history.history['acc']
val_acc = history.history['val_acc']
您只需要考虑 model.fit() 或 model.fit_generator() return 一个对象，在本例中为 history 个对象。
然后就可以像上面那样访问这个history对象的参数了。
- 我正在使用 Keras 使用 train_on_batch 命令即时训练我的 CNN 模拟图像，并且可以获得训练损失。
下一个 运行- 我正在使用我预训练的 CNN（自己的架构）预测精度和召回率来预测我的结果，我将我的数据再次分成训练和测试数据集使用命令 预测 = model.predict(np.array(图片), batch_size=batch_size) .
我希望获得验证损失，但我不确定该怎么做？
您可以通过以下几行可视化模型的损失或准确性：
history = model.fit(your_parameters) / model.fit_generator(your_parameters)
# visualizing losses and accuracy
train_loss = history.history['loss']
val_loss = history.history['val_loss']
train_acc = history.history['acc']
val_acc = history.history['val_acc']
您只需要考虑 model.fit() 或 model.fit_generator() return 一个对象，在本例中为 history 个对象。
然后就可以像上面那样访问这个history对象的参数了。