0
我使用张量流的Keras。而且我希望在训练期间看到并将Kvariable保存为numpy值。但“K.eval”效果不佳。有没有解决方案?Keras保存中间变量
def acc(y_true, y_pred):
temp = K.eval(y_true)
...
...
我使用张量流的Keras。而且我希望在训练期间看到并将Kvariable保存为numpy值。但“K.eval”效果不佳。有没有解决方案?Keras保存中间变量
def acc(y_true, y_pred):
temp = K.eval(y_true)
...
...
如果是培训期间的准确性,那么Keras会默认存储此信息;如果你适合你的机型,如:
hist = model.fit(x_train, y_train,
batch_size=batch_size,
epochs=20,
verbose=1,
validation_data=(x_test, y_test))
然后训练和验证准确性&亏损为每个时间段都存储在字典hist.history
:
hist.history.keys()
# ['acc', 'loss', 'val_acc', 'val_loss']
hist.history['val_acc'] # validation accuracy
# [0.98140000000000005,
# 0.98340000000000005,
# 0.98740000000000006,
# 0.98680000000000001,
# 0.98750000000000004,
# 0.98740000000000006,
# 0.9869,
# 0.98939999999999995,
# 0.98819999999999997,
# 0.98819999999999997,
# 0.99039999999999995,
# 0.9889,
# 0.98919999999999997,
# 0.98860000000000003,
# 0.98780000000000001,
# 0.98799999999999999,
# 0.98819999999999997,
# 0.9889,
# 0.98909999999999998,
# 0.98609999999999998]
你的意思是“不正常工作” ?你究竟试过了什么,结果或错误信息是什么? – desertnaut
是你寻找的答案吗?如果是的话,请接受它 – desertnaut