Python 如何在Keras中保存每个历元的预测数据

我一直试图在数据帧或csv文件中获取每个历元，但我做不到

通过这段代码，我得到了每个历元的输出：

import tensorflow as tf
import keras

# define your custom callback for prediction
class PredictionCallback(tf.keras.callbacks.Callback):    
  def on_epoch_end(self, epoch, logs={}):
    y_pred = self.model.predict(self.validation_data[0])
    print('prediction: {} at epoch: {}'.format(y_pred, epoch))

# ...
autoencoder.fit(x_train,x_train,
                epochs=100,
               batch_size=35,
                shuffle=True,
                validation_data=(x_test, x_test),
                callbacks=[PredictionCallback()])

我作为na输出获得的历元（我在这里仅复制了3个历元进行说明）：

但是，我如何在数据帧或csv文件中获取这些信息，以便稍后使用d3在我的应用程序中可视化

我尝试了在keras文档中找到的方法：

from keras.callbacks import CSVLogger

csv_logger = CSVLogger("model_history_log.csv", append=True)
autoencoder.fit(x_train,x_train,
                epochs=200,
               batch_size=35,
                shuffle=True,
                validation_data=(x_test, x_test),
                callbacks=[csv_logger])

---

但这并没有给出每个历元的预测，只是将历元的损失值保存在csv中。

将保存内容放入回调函数中

filename='training'

  def on_epoch_end(self, epoch, logs={}):
    y_pred = self.model.predict(self.validation_data[0])
    print('prediction: {} at epoch: {}'.format(y_pred, epoch))
    pd.DataFrame(y_pred).assign(epoch=epoch).to_csv('{}_{}.csv'.format(filename, epoch))

---

扩展凯南的anwser

由于根据Tensorflow回调文档，validation_数据已被弃用，因此需要执行以下操作以实现目标：

类度量（回调）：
定义初始值（自、值数据）：
super（）。\uuuu init\uuuuu（）
self.validation\u data=val\u data
“剩下的是凯南的密码”
_epoch_end上的def（self、epoch、logs={}）：
y\u pred=self.model.predict（self.validation\u数据[0]）
打印（'prediction:{}在历元：{}'。格式（y_pred，历元））
pd.DataFrame（y_pred）.assign（epoch=epoch）.to_csv（'{}}{}.csv'.format（文件名，epoch））

此外，您可以使用模型的名称作为文件名。由于model.name变量是只读的，因此需要执行以下操作：

model.\u name='SOME\u name'

然后，在Metrics类中使用model.\u名称

filename='training'

  def on_epoch_end(self, epoch, logs={}):
    y_pred = self.model.predict(self.validation_data[0])
    print('prediction: {} at epoch: {}'.format(y_pred, epoch))
    pd.DataFrame(y_pred).assign(epoch=epoch).to_csv('{}_{}.csv'.format(filename, epoch))