tensorflow使用keras后端，保存每一步运行的loss(tensorflow、keras通用)

最新推荐文章于 2024-09-17 09:56:20 发布

FQ_G

最新推荐文章于 2024-09-17 09:56:20 发布

阅读量1.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： keras tensorflow 文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/qq_33266320/article/details/107770019

tensorflow 同时被 2 个专栏收录

14 篇文章

订阅专栏

keras

1 篇文章

订阅专栏

本文介绍了一种在使用Keras进行模型训练时记录每批次损失的方法，通过自定义Callback类LossHistory，可以将训练过程中的损失值保存到列表中，并最终写入本地文件log_loss.txt，便于后续分析和可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考博客：https://blog.youkuaiyun.com/yang_daxia/article/details/84571658

class LossHistory(tf.keras.callbacks.Callback):#如果是直接keras就把tf去了
    def on_train_begin(self, logs={}):
        self.losses = []
 
    def on_batch_end(self, batch, logs={}):
        self.losses.append(logs.get('loss'))
from tensorflow.python.keras.callbacks import ModelCheckpoint

history = LossHistory()
checkpoint = ModelCheckpoint(filepath, monitor='val_loss', verbose=1, save_best_only=True,mode='auto')

callbacks_list = [checkpoint,history]




with open('models/new/log_loss.txt','a', encoding='utf-8') as f:
    f.write(history.losses)