MindSpore获取边训练边验证的Loss

lamprophony

已于 2023-10-05 21:21:08 修改

阅读量517

点赞数

分类专栏：深度学习 MindSpore 文章标签： python 深度学习

于 2023-10-05 17:01:18 首次发布

本文链接：https://blog.youkuaiyun.com/qq_51933861/article/details/133580270

版权

本文介绍了如何在MindSpore框架下，利用回调函数和自定义评价指标，实现在每个epoch结束后获取训练集和验证集的损失Loss。详细探讨了Model.train(), Model.eval()和Model.fit()的使用，以及在不同模式下回调函数的执行情况，提出两种实现目标的方法：一种是通过Model.train()结合自定义回调函数计算验证集Loss，另一种是使用Model.fit()直接获取Loss。" 128616491,15460291,C++派生类析构函数调用顺序解析,"['C++', '开发语言']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目标

使用MindSpore深度框架，实现这一功能：在每个epoch结束之后，截取模型参数，获取此时训练集和验证集的损失Loss，以画出训练集和验证集下的Loss随epoch变化的曲线。

基础Api

1. 回调函数（回调类），可以实现在训练的过程中记录，验证，保存关键信息的功能。

例如，记录训练集的损失的回调函数：loss_callback = LossMonitor(step_number), 参数step_number表示每训练这么多个steps就会进行一次回调验证。

回调类中常见的函数有：on_train_step_begin, on_train_epoch_end, on_eval_step_end, on_eval_epoch_begin, on_train_begin, epoch_end...根据字面意思分别指代训练模式的每个step开始前执行的函数，训练模式下每个epoch结束后执行的函数...没有带'on_train', 'on_eval'表示任何模式下都会执行的函数

2. Model.train(train_epochs_number, train_dataset, callbacks)：开始模型训练的命令行，其中上面的回调函数放置于对应参数位置

Model.eval(valid_dataset, callbacks):

Model.fit(train_epochs_number, train_dataset, valid_dataset, valid_frequency, callbacks)：其中，valid_frequency表示每个多少个epoch采用验证集验证一次，或者epoch列表，在对应列表的位置进行验证

3. 回调函数callback类，评价函数