Python 如何在CNN中绘制epoch vs.val_acc和epoch vs.val_损耗图？

我使用卷积神经网络CNN来训练数据集。在这里，我得到了历元，损失，损失，总损失，训练时间，等等作为历史。如果我想计算平均精度，那么如何访问val_acc，以及如何绘制epoch vs.val_acc和epoch vs.val_损耗图

convnet=input\u datashape=[None，IMG\u SIZE，IMG\u SIZE，3]，name='input' convnet=conv_2dconvnet，32,3，activation='relu' convnet=max\u pool\u 2dconvnet，3 convnet=conv_2dconvnet，64,3，activation='relu' convnet=max\u pool\u 2dconvnet，3 convnet=conv_2dconvnet，128，3，激活class='relu' convnet=max\u pool\u 2dconvnet，3 convnet=conv_2dconvnet，32,3，activation='relu' convnet=max\u pool\u 2dconvnet，3 convnet=conv_2dconvnet，64,3，activation='relu' convnet=max\u pool\u 2dconvnet，3 convnet=完全连接的convnet，1024，激活class='relu' convnet=dropoutconvnet，0.8 convnet=完全连接的convnet，4，激活='softmax' convnet=regressionconvnet，optimizer='adam'，learning\u rate=LR，loss='classifical\u crossentropy'，name='targets' model=tflearn.dnncovnet，tensorboard_dir='log' 如果os.path.exists'{}.meta'.formatMODEL\u名称： model.loadMODEL\u名称 打印“已加载模型！” 列车=列车数据[：-150] 测试=列车数据[-50:] X=np。数组[i[0]表示序列中的i]。重塑-1，IMG\u大小，IMG\u大小，3 Y=[i[1]表示列车中的i] test\u x=np。数组[i[0]表示测试中的i]。重塑-1，IMG\u大小，IMG\u大小，3 test_y=[i[1]表示测试中的i] hist=model.fit{'input'：X}，{'targets'：Y}，n_epoch=8，validation_set={'input'：test_X}，{'targets'：test_Y}， 快照\u步骤=40，显示\u度量=True，运行\u id=MODEL\u NAME model.saveMODEL\u名称 你可以用。特别是，您可以使用CSVLogger，它将您的历元结果流式传输到CSV。从那里你可以做各种各样的分析

基于您的代码的示例：

csv_logger = CSVLogger('training.log')
model.fit({'input': X}, {'targets': Y}, ..., callbacks=[csv_logger]

请尝试以下操作：

history = model.fit(X_train, Y_train, validation_data=(X_test, Y_test), batch_size=32, epochs=10, verbose=1)

# Get training and test loss histories
training_loss = history.history['loss']
test_loss = history.history['val_loss']

# Create count of the number of epochs
epoch_count = range(1, len(training_loss) + 1)

# Visualize loss history
plt.plot(epoch_count, training_loss, 'r--')
plt.plot(epoch_count, test_loss, 'b-')
plt.legend(['Training Loss', 'Test Loss'])
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.show();

归功于