Python Matplotlib未显示培训、测试损失/精度曲线？

我正在尝试使用Matplotlib构建一个显示精度和损耗曲线的图形，但它不显示曲线，而只是显示图形，其

x轴

从负值开始，为什么不

0

代码：

model.compile（loss='classifical_crossentropy'，optimizer='adam'，metrics=['accurity']）
最大精度=0.70
对于范围（10）内的i：
打印（“历元编号”，i+1）
历史=模型.fit（序列数据，序列标签，历代=1，批次大小=32，详细=1，验证数据=（测试数据，测试标签））
如果历史记录.history['val\u精度][0]>最大精度：
打印（“上述新的最佳型号”）
最大精度=历史记录。历史记录['val\u精度][0]
model.save（'CNN-logo.h5'）
model=tf.keras.models.load_model（'CNN-logo.h5'））
[列车损失、列车精度]=模型。评估（列车数据、列车标签）
打印（“列车数据评估结果：损耗={}，精度={}”。格式（列车损耗，列车精度））
[测试损耗，测试acc]=模型评估（测试数据，测试标签）
打印（“测试数据的评估结果：损失={}，准确度={}”。格式（测试损失，测试acc））
#绘制损失曲线
plt.图（figsize=[8,6]）
plt.plot（history.history['loss']，'r'，线宽=3.0）
plt.绘图（历史记录['valu loss']，'b'，线宽=3.0）
plt.legend（['Training loss'，'Validation loss'，]，fontsize=18）
plt.xlabel（'Epochs'，fontsize=16）
plt.ylabel（'Loss'，fontsize=16）
plt.title（“损失曲线”，fontsize=1）
plt.show（）
#绘制精度曲线
plt.图（figsize=[8,6]）
plt.plot（历史记录['accurity']，'r'，线宽=3.0）
plt.绘图（历史记录['val_accurity']，'b'，线宽=3.0）
plt.图例（[‘培训准确度’、‘验证准确度’]，fontsize=18）
plt.xlabel（'Epochs'，fontsize=16）
plt.ylabel（'精度'，fontsize=16）
plt.title（“精度曲线”，fontsize=16）
plt.show（）

图形

---

您正在运行一个历元的模型，因此它只有一个历元的历史记录。要保存最佳模型，您可以使用回调

checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(filepath='CNN-logo.h5',
                      monitor='val_accuracy', mode='max', save_best_only=True)
earlystopping_callback = tf.keras.callbacks.EarlyStopping(monitor='loss', patience=3)

history = model.fit(x, y, epochs=50, batch_size=32, verbose=1, validation_split=0.2,
callbacks=[checkpoint_callback, earlystopping_callback])

model=tf.keras.models.load_model('CNN-logo.h5')
[train_loss, train_accuracy] = model.evaluate(x, y)
print("Evaluation result on Train Data : Loss = {}, accuracy = {}".format(train_loss, train_accuracy))
[test_loss, test_acc] = model.evaluate(x, y)
print("Evaluation result on Test Data : Loss = {}, accuracy = {}".format(test_loss, test_acc))

#Plot the loss curves
plt.figure(figsize=[8,6])
plt.plot(history.history['loss'],'r',linewidth=3.0)
plt.plot(history.history['val_loss'],'b',linewidth=3.0)
plt.legend(['Training loss', 'Validation Loss'],fontsize=18)
plt.xlabel('Epochs ',fontsize=16)
plt.ylabel('Loss',fontsize=16)
plt.title('Loss Curves',fontsize=1)
plt.show()

#Plot the Accuracy Curves
plt.figure(figsize=[8,6]) 
plt.plot(history.history['accuracy'],'r',linewidth=3.0) 
plt.plot(history.history['val_accuracy'],'b',linewidth=3.0)
plt.legend(['Training Accuracy', 'Validation Accuracy'],fontsize=18)
plt.xlabel('Epochs ',fontsize=16) 
plt.ylabel('Accuracy',fontsize=16)
plt.title('Accuracy Curves',fontsize=16)
plt.show()

输出：

---

好的，谢谢Mohil，但您可以在上面看到，我在epochs下使用了一个循环，循环转到第10次迭代。你能详细说明一下什么是“仅保存最佳”和monitor=val\u loss吗？

save\u best\u only

以最佳性能保存模型<代码>监控是监控模型性能时应考虑的因素。可以找到详细的文件。你能描述一下我应该停止训练多少年吗？。就我而言，我认为我必须停止训练直到第六纪元，以防止过度训练。你可以使用回调来实现这一点。当你监测的指标停止改善时，它将停止训练。你能在我上面的代码中写下提前停止的代码吗。这对我会有帮助的