tensorflow2.x实时绘制训练时的损失和准确率

最新推荐文章于 2025-08-17 10:55:42 发布

原创最新推荐文章于 2025-08-17 10:55:42 发布 · 3k 阅读

13 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

32 篇文章

订阅专栏

本文详细介绍了一个深度学习模型的训练过程，包括设置优化器参数、编译模型、使用历史记录绘制训练和验证的准确率及损失值图表，并保存模型。最后，文章展示了如何评价模型在测试集上的性能。

sgd = SGD(lr=float(model_value[3]), decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
# validation_split：0~1之间的浮点数，用来指定训练集的一定比例数据作为验证集
history=model.fit(self.x_train, self.y_train, batch_size=self.batch_size, epochs=self.epoch_size, class_weight = 'auto', validation_split=0.1)
# 绘制训练 & 验证的准确率值
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('Model accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()

# 绘制训练 & 验证的损失值
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()
print("savemodel---------------")
model.save(os.path.join(model_value[0],'model3_3.h5'))
#输出损失和精确度
score = model.evaluate(self.x_test, self.y_test, batch_size=self.batch_size)