Skip to main content
 首页 » 编程设计

python之为什么不显示 val_loss 和 val_acc

2024年11月24日8lori

训练开始时,运行窗口中只显示loss和acc,缺少val_loss和val_acc。只有在最后,才会显示这些值。

model.add(Flatten()) 
model.add(Dense(512, activation="relu")) 
model.add(Dropout(0.5)) 
model.add(Dense(10, activation="softmax")) 
 
model.compile( 
    loss='categorical_crossentropy', 
    optimizer="adam", 
    metrics=['accuracy'] 
) 
 
model.fit( 
    x_train, 
    y_train, 
    batch_size=32,  
    epochs=1,  
    validation_data=(x_test, y_test), 
    shuffle=True 
) 

训练是这样开始的:

Train on 50000 samples, validate on 10000 samples 
Epoch 1/1 
 
   32/50000 [..............................] - ETA: 34:53 - loss: 2.3528 - acc: 0.0938 
   64/50000 [..............................] - ETA: 18:56 - loss: 2.3131 - acc: 0.0938 
   96/50000 [..............................] - ETA: 13:45 - loss: 2.3398 - acc: 0.1146 

这是它完成的时候

49984/50000 [============================>.] - ETA: 0s - loss: 1.5317 - acc: 0.4377 
50000/50000 [==============================] - 231s 5ms/step - loss: 1.5317 - acc: 0.4378 - val_loss: 1.1503 - val_acc: 0.5951 

我想在每一行中查看 val_acc 和 val_loss

请您参考如下方法:

验证损失和准确率是在 epoch 结束时计算的,而不是在 batch 结束时计算的。如果您想在每个批处理后计算这些值,则必须使用 on_batch_end() 方法实现您自己的回调并调用 self.model.evaluate()验证集。参见 https://keras.io/callbacks/ .

但是在每个 epoch 之后计算验证损失和准确性会大大减慢您的训练速度,并且不会在网络性能评估方面带来太多影响。