检索最大和最小损失和指标值
Retrive Maximum and Minium Loss and Metrics Values
在我的训练和验证过程中,我在每个纪元结束时都会收到损失和指标值的报告,如下所示:
Epoch 1333/2000
191/191 - 3s - loss: 8818.4761 - nossa_metrica: 0.7923 - val_loss: 13217.6983 - val_nossa_metrica: 0.1557
Epoch 1334/2000
191/191 - 3s - loss: 8826.9803 - nossa_metrica: 0.8908 - val_loss: 13738.7320 - val_nossa_metrica: 0.1819
Epoch 1335/2000
191/191 - 3s - loss: 8823.2309 - nossa_metrica: 0.8967 - val_loss: 14265.0050 - val_nossa_metrica: 0.1822
Epoch 1336/2000
191/191 - 3s - loss: 8825.7040 - nossa_metrica: 0.8921 - val_loss: 13878.6077 - val_nossa_metrica: 0.1812
在 training/validation 结束后,我是否可以获得所有这 4 个变量的最大值和最小值?
您可以将 fit
(或 fit_generator
)方法的输出分配给变量并检索所需的元素。例如,如果您像下面这样使用 model.fit()
:
history = model.fit(x_train, y_train, epochs=100)
您可以使用 history.history
访问指标,这是一个字典,其中包含上述四个变量中的每一个变量的列表。然后你可以根据需要获取每个列表的最小值和最大值。
min(history.history["loss"]), max(history.history["loss"])
在我的训练和验证过程中,我在每个纪元结束时都会收到损失和指标值的报告,如下所示:
Epoch 1333/2000
191/191 - 3s - loss: 8818.4761 - nossa_metrica: 0.7923 - val_loss: 13217.6983 - val_nossa_metrica: 0.1557
Epoch 1334/2000
191/191 - 3s - loss: 8826.9803 - nossa_metrica: 0.8908 - val_loss: 13738.7320 - val_nossa_metrica: 0.1819
Epoch 1335/2000
191/191 - 3s - loss: 8823.2309 - nossa_metrica: 0.8967 - val_loss: 14265.0050 - val_nossa_metrica: 0.1822
Epoch 1336/2000
191/191 - 3s - loss: 8825.7040 - nossa_metrica: 0.8921 - val_loss: 13878.6077 - val_nossa_metrica: 0.1812
在 training/validation 结束后,我是否可以获得所有这 4 个变量的最大值和最小值?
您可以将 fit
(或 fit_generator
)方法的输出分配给变量并检索所需的元素。例如,如果您像下面这样使用 model.fit()
:
history = model.fit(x_train, y_train, epochs=100)
您可以使用 history.history
访问指标,这是一个字典,其中包含上述四个变量中的每一个变量的列表。然后你可以根据需要获取每个列表的最小值和最大值。
min(history.history["loss"]), max(history.history["loss"])