来自 keras 模型的访问损失指标

如何解决来自 keras 模型的访问损失指标

我正在尝试访问我构建的模型的训练损失，因为我称之为训练循环。我已经建立了一个模型如下：

    def create_model(self):
        
        model = Sequential()
        model.add(Dense(172,input_shape=(1,172),activation = 'relu'))
        model.add(Dense(172,activation = 'relu'))
        model.add(Dense(86,activation = 'relu'))
        model.add(Dense(43,activation = 'relu'))
        model.add(Dense(21,activation = "relu"))
        model.add(Flatten())
        model.add(Dense(7,activation="linear"))
        model.compile(loss="mse",optimizer=Adam(lr=0.001),metrics=['accuracy'])
        return model

我的身材如下：

self.model.fit(np.array(X),np.array(y),batch_size=MINIBATCH_SIZE,verbose=0,shuffle=False) 

该模型适合批量，并且是更大类（DQN 代理）的一部分。

由于我每个时间步都运行一次拟合，并且每集有多个时间步，我如何才能在训练循环中访问一个变量，从而使我失去网络，以便更密切地监控它？ （最终目标是将其添加到 tensorboard）

我可以尝试在每一步或每集（300 步）中访问这个，无论哪个更容易。

解决方法

您可以将 verbose 更改为 1（显示在 epoch 内不断变化的损失和进度）或将其更改为 2（在每个 epoch 后显示损失）。您还可以将拟合线更改为：

history = self.model.fit(np.array(X),np.array(y),batch_size=MINIBATCH_SIZE,verbose=0,shuffle=False)

然后在 n_epochs 之后，您可以使用以下调用提取数组中的损失：

losses = history.history['loss']

您可以在循环中迭代训练，以您想要的频率提取损失，并且可以绘制它们，或保存它们以单独查看它们。