Python 将每个批次或历元（Keras）的验证精度打印到控制台

我正在使用

ImageDataGenerator

和

flow\u from\u directory

生成我的数据，并且 使用

model.fit_生成器

拟合数据

这默认为仅输出训练数据集的精度。 似乎没有向终端输出验证准确性的选项

以下是我的代码的相关部分：

#train data generator


print('Starting Preprocessing')

train_datagen = ImageDataGenerator(preprocessing_function = preprocess)

train_generator = train_datagen.flow_from_directory(
train_data_dir,
target_size = (img_height, img_width),
batch_size = batch_size, 
class_mode = 'categorical')  #class_mode = 'categorical'


#same for validation
val_datagen = ImageDataGenerator(preprocessing_function = preprocess)

validation_generator = val_datagen.flow_from_directory(
        validation_data_dir,
        target_size = (img_height, img_width),
        batch_size=batch_size,
        class_mode='categorical')





########################Model Creation###################################

#create the base pre-trained model
print('Finished Preprocessing, starting model creating \n')
base_model = InceptionV3(weights='imagenet', include_top=False)
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x)
predictions = Dense(12, activation='softmax')(x)
model = Model(input=base_model.input, output=predictions)




for layer in model.layers[:-34]:
   layer.trainable = False
for layer in model.layers[-34:]:
   layer.trainable = True


from keras.optimizers import SGD
model.compile(optimizer=SGD(lr=0.001, momentum=0.92),
              loss='categorical_crossentropy',
              metrics = ['accuracy'])



#############SAVE Model #######################################


file_name = str(datetime.datetime.now()).split(' ')[0] + '_{epoch:02d}.hdf5'
filepath = os.path.join(save_dir, file_name)



checkpoints =ModelCheckpoint(filepath, monitor='val_acc', verbose=1,
                                save_best_only=False, save_weights_only=False,
                                mode='auto', period=2)

###############Fit Model #############################

model.fit_generator(
train_generator,
steps_per_epoch =total_samples//batch_size,
epochs = epochs,
validation_data=validation_generator,
validation_steps=total_validation//batch_size,
callbacks = [checkpoints],
shuffle= True)

更新输出：

在整个训练过程中，我只得到训练精度的输出， 但在培训结束时，我得到了培训、验证和准确性

Epoch 1/10

  1/363 [..............................] - ETA: 1:05:58 - loss: 2.4976 - acc: 0.0640
  2/363 [..............................] - ETA: 51:33 - loss: 2.4927 - acc: 0.0760  
  3/363 [..............................] - ETA: 48:55 - loss: 2.5067 - acc: 0.0787
  4/363 [..............................] - ETA: 47:26 - loss: 2.5110 - acc: 0.0770
  5/363 [..............................] - ETA: 46:30 - loss: 2.5021 - acc: 0.0824
  6/363 [..............................] - ETA: 45:56 - loss: 2.5063 - acc: 0.0820

---

其思想是在每个历元之后，而不是在每个批次之后，通过验证集。 如果在每一批之后，您必须在整个验证集上评估模型的性能，那么您将浪费大量时间

---

在每个历元之后，您将拥有用于训练和验证的相应损失和准确度。但是在一个历元期间，您将只能访问训练损失和准确度。

一旦您指定验证分割，将为每个历元打印验证损失和验证准确度

Epoch 1/10

  1/363 [..............................] - ETA: 1:05:58 - loss: 2.4976 - acc: 0.0640
  2/363 [..............................] - ETA: 51:33 - loss: 2.4927 - acc: 0.0760  
  3/363 [..............................] - ETA: 48:55 - loss: 2.5067 - acc: 0.0787
  4/363 [..............................] - ETA: 47:26 - loss: 2.5110 - acc: 0.0770
  5/363 [..............................] - ETA: 46:30 - loss: 2.5021 - acc: 0.0824
  6/363 [..............................] - ETA: 45:56 - loss: 2.5063 - acc: 0.0820

model.fit(X, Y, epochs=1000, batch_size=10, validation_split=0.2)

我已经在我的代码中使用了上述内容，val_loss和val_acc将在每个历元打印，但不是在每个批次之后

希望这能回答你的问题

Epoch 1/500
1267/1267 [==============================] - 0s 376us/step - loss: 0.6428        - acc: 0.6409 - val_loss: 0.5963 - val_acc: 0.6656

---

在

安装发电机中

fit_生成器（生成器，每_epoch的步数=None，epoch=1，verbose=1，callbacks=None，**验证_数据=None，验证_步骤=None**，验证_频率=1，类_权重=None，最大_队列大小=10，工作者=1，使用_多处理=False，无序=True，初始_epoch=0）

---

由于没有

validation\u split

参数，您可以创建两个不同的

ImageDataGenerator

流，一个用于培训，一个用于验证，然后将“validation\u generator”放入

validation\u data

中。然后它将打印验证损失和准确性。

终端的输出是什么？您能给出吗我们有一些例子吗？@Tay2510我现在不能运行这个模型，但这是你基本的冗长[1]Keras output，它在每批之后输出进度。如果这是

verbose=1

，那么应该有

val\u loss

，

val\u acc

输出到您的终端。这就是为什么我要求显示您的输出。@Tay2510我已经更新了输出，所以没有办法做到这一点？在tensorflow中（使用他们的转移学习脚本），我能够做到这一点，而且保存的瓶颈也不错。据我所知，没有简单的方法可以做到这一点。我想知道，知道每个批次的验证损失有什么意义？

validation\u split

不作为

fit\u generator

的参数存在。