Python Tensorflow`model.fit（）`打印输出
在拟合模型时，它会打印所有记录，而不是分数/预计到达时间覆盖的正常历史记录Python Tensorflow`model.fit（）`打印输出,python,tensorflow,keras,Python,Tensorflow,Keras,在拟合模型时，它会打印所有记录，而不是分数/预计到达时间覆盖的正常历史记录 model = models.Sequential() model.add(layers.Embedding(num_words, embedding_size)) model.add(layers.Bidirectional(layers.GRU(64, return_sequences=True))) model.add(layers.Bidirectional(layers.GRU(64))) model.add
model = models.Sequential()
model.add(layers.Embedding(num_words, embedding_size))
model.add(layers.Bidirectional(layers.GRU(64, return_sequences=True)))
model.add(layers.Bidirectional(layers.GRU(64)))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(32, activation='relu'))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',
optimizer='adam',
metrics=metrics)
model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val))
有什么想法吗？我在任何地方都找不到这方面的任何信息。我认为这是由您在中选择的指标造成的：
model.compile（loss='binary\u crossentropy'，optimizer='adam'，metrics=metrics）model.compile（loss='binary\u crossentropy'，optimizer='adam'，metrics=['accurity']）- 0=没有结果
- 1=每批后的结果
- 2=每个历元后的结果
model.fit（X\u-train，y\u-train，epochs=10，batch\u-size=64，validation\u-data=（X\u-val，y\u-val），verbose=0）model.fit（X\u-train，y\u-train，epochs=10，batch\u-size=64，validation\u-data=（X\u-val，y\u-val），verbose=2）精度verbose=2