Python/Keras - 为每个时期创建一个带有一个预测的回调

Question

我正在使用 Keras 来预测时间序列。作为标准，我使用 20 个纪元。我想知道我的神经网络对 20 个时期中的每一个时期都预测了什么。

通过使用 model.predict 我在所有时期中只得到一个预测（不确定 Keras 如何 select 它）。我想要所有预测，或者至少是 10 个最好的预测。

根据我之前得到的答案，我应该通过子类化 Callback() 并在 on_epoch_end 函数内对模型调用预测来实现适当的回调，从而计算每个训练时期后的预测。

好吧，这个理论似乎已经成型，但我在编写代码时遇到了麻烦。谁能给出一个代码示例？

不确定如何实现 Callback() 子类化，也不知道如何将其与 on_epoch_end 函数中的 model.predict 混合。

非常感谢您的帮助:)

编辑

好吧，我进化了一点。了解如何创建子类以及如何将其 link 到 model.predict。但是，我正在为如何创建包含所有预测的列表而绞尽脑汁。以下是我当前的代码：

#Creating a Callback subclass that stores each epoch prediction
class prediction_history(Callback):
    def on_epoch_end(self, epoch, logs={}):
        self.predhis=(model.predict(predictor_train))

#Calling the subclass
predictions=prediction_history()

#Executing the model.fit of the neural network
model.fit(X=predictor_train, y=target_train, nb_epoch=2, batch_size=batch,validation_split=0.1,callbacks=[predictions]) 

#Printing the prediction history
print predictions.predhis

然而，我得到的只是最后一个纪元的预测列表（与打印 model.predict(predictor_train) 的效果相同）。

现在的问题是：我如何调整我的代码，以便它添加到 predhis 每个时代的预测中？

Answer 1

您正在覆盖每个时期的预测，这就是它不起作用的原因。我会这样做：

class prediction_history(Callback):
    def __init__(self):
        self.predhis = []
    def on_epoch_end(self, epoch, logs={}):
        self.predhis.append(model.predict(predictor_train))

这样 self.predhis 现在是一个列表，每个预测都会在每个 epoch 结束时附加到列表中。

Python/Keras - 为每个时期创建一个带有一个预测的回调

Python/Keras - Creating a callback with one prediction for each epoch

python

subclassing

keras