Python/Keras - 如何访问每个时期的预测？

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。我想通过对 20 个时期中的每一个时期进行预测来检查我的模型是否学习良好。

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

有人知道如何帮助我吗？

Answer 1

我觉得这里有点混乱。

一个 epoch 仅在训练神经网络时使用，因此当训练停止时（在本例中，在第 20 个 epoch 之后），则权重对应于上一个 epoch 计算的权重。

Keras 在每个时期后的训练期间在验证集上打印当前损失值。如果每个时期之后的权重没有保存，那么它们就会丢失。您可以使用 ModelCheckpoint 回调为每个时期保存权重，然后在您的模型上使用 load_weights 加载它们。

您可以通过子类化 Callback 并在 on_epoch_end 函数内对模型调用预测来实现适当的回调，从而在每个训练时期后计算您的预测.

然后要使用它，您实例化您的回调，创建一个列表并将其用作 model.fit.

的关键字参数回调

Answer 2

以下代码将完成所需的工作：

import tensorflow as tf
import keras

# define your custom callback for prediction
class PredictionCallback(tf.keras.callbacks.Callback):    
  def on_epoch_end(self, epoch, logs={}):
    y_pred = self.model.predict(self.validation_data[0])
    print('prediction: {} at epoch: {}'.format(y_pred, epoch))

# ...

# register the callback before training starts
model.fit(X_train, y_train, batch_size=32, epochs=25, 
          validation_data=(X_valid, y_valid), 
          callbacks=[PredictionCallback()])

Answer 3

如果你想对测试数据进行预测，在训练进行的每个时期之后你可以试试这个

class CustomCallback(keras.callbacks.Callback):
    def __init__(self, model, x_test, y_test):
        self.model = model
        self.x_test = x_test
        self.y_test = y_test

    def on_epoch_end(self, epoch, logs={}):
        y_pred = self.model.predict(self.x_test, self.y_test)
        print('y predicted: ', y_pred)

您需要在 model.fit

期间提及回调

model.sequence()
# your model architecture
model.fit(x_train, y_train, epochs=10, 
          callbacks=[CustomCallback(model, x_test, y_test)])

与on_epoch_end类似，keras提供了很多其他方法

on_train_begin, on_train_end, on_epoch_begin, on_epoch_end, on_test_begin,
on_test_end, on_predict_begin, on_predict_end, on_train_batch_begin, on_train_batch_end,
on_test_batch_begin, on_test_batch_end, on_predict_batch_begin,on_predict_batch_end

Python/Keras - 如何访问每个时期的预测？

Python/Keras - How to access each epoch prediction?

python

machine-learning

deep-learning

keras