Python 使用model.fit_generator()可视化/绘制keras度量
在keras中使用model.fit_generator()对我来说很有用,但是我希望能够对准确性、损失等进行实时可视化,就像使用model.fit()很容易做到一样。 找不到有关如何使用model.fit_generator()函数执行此操作的任何解释。 我的模型的训练方法如下所示:Python 使用model.fit_generator()可视化/绘制keras度量,python,model,keras,visualization,data-fitting,Python,Model,Keras,Visualization,Data Fitting,在keras中使用model.fit_generator()对我来说很有用,但是我希望能够对准确性、损失等进行实时可视化,就像使用model.fit()很容易做到一样。 找不到有关如何使用model.fit_generator()函数执行此操作的任何解释。 我的模型的训练方法如下所示: def train_model(model, args, X_train, X_valid, y_train, y_valid): checkpoint = ModelCheckpoint('model
def train_model(model, args, X_train, X_valid, y_train, y_valid):
checkpoint = ModelCheckpoint('model-{epoch:03d}.h5',
monitor='val_loss',
verbose=0,
save_best_only=args.save_best_only,
mode='auto')
model.compile(optimizer=Adam(lr=args.learning_rate), loss='mean_squared_error', metrics=['accuracy'])
model.fit_generator(batch_generator(args.data_dir, X_train, y_train, args.batch_size, True),
args.samples_per_epoch,
args.nb_epoch,
max_q_size=1,
validation_data=batch_generator(args.data_dir, X_valid, y_valid, args.batch_size, False),
nb_val_samples=len(X_valid),
callbacks=[checkpoint],
verbose=1)
谢谢你的帮助