是否可以覆盖TensorFlow';凯拉斯是谁?
在过去的几天里,我一直在观察进度条中打印的丢失中的一个奇怪行为。事实证明,这种奇怪的行为是因为(而不是每个时代的实际损失) 那么,是否有可能覆盖TensorFlow的keras的进度条?我不这么认为是否可以覆盖TensorFlow';凯拉斯是谁?,tensorflow,keras,tensorflow2.0,tf.keras,Tensorflow,Keras,Tensorflow2.0,Tf.keras,在过去的几天里,我一直在观察进度条中打印的丢失中的一个奇怪行为。事实证明,这种奇怪的行为是因为(而不是每个时代的实际损失) 那么,是否有可能覆盖TensorFlow的keras的进度条?我不这么认为 有一个类包含参数stateful\u metrics,这可能是我需要的,但似乎没有提供覆盖进度条或将行为从移动平均更改为实际损失历元/步长的选项。你有什么建议?您可以在下面用一些可复制的代码写一个答案。听起来您想要的应该通过tf.keras.callbacks.ProgbarLogger来完成。理论
有一个类包含参数
stateful\u metrics
,这可能是我需要的,但似乎没有提供覆盖进度条或将行为从移动平均更改为实际损失历元/步长的选项。你有什么建议?您可以在下面用一些可复制的代码写一个答案。听起来您想要的应该通过tf.keras.callbacks.ProgbarLogger来完成。理论上,它应该像下面的示例中所概述的那样工作,但是,目前有一个withtf.keras.callbacks.ProgbarLogger
import tensorflow as tf
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, Flatten
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train, x_test = x_train / 255, x_test / 255
model = tf.keras.Sequential([
Flatten(),
Dense(128, activation='relu'),
Dense(10)
])
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
model.compile(optimizer='adam', loss=loss_fn, metrics=['accuracy'])
progbar_callback = tf.keras.callbacks.ProgbarLogger(stateful_metrics="accuracy")
model.fit(x_train, y_train, callbacks=[progbar_callback])