model.summary() # 可以画出总体的网络结构
model.compile(loss='mse', optimizer='adam', metrics=['mae'])
history1 = model.fit([x_train, acc_fft_train], y_train, batch_size=batch_size,
epochs=training_epochs, shuffle=True,
validation_data=([x_test, acc_fft_test], y_test)
)
ory1.history["val_loss"]
loss = history1.history["loss"] # 调用出history中的loss
import matplotlib.pyplot as plt
plt.plot(np.squeeze(loss))
plt.xlabel("time")
plt.ylabel("loss")
my_x_ticks = np.arange(0, 10, 1)
my_y_ticks = np.arange(0, 16, 0.5)
plt.xticks(my_x_ticks)
plt.yticks(my_y_ticks)
plt.show()
np.savetxt('save1.txt',loss) # 保存到txt中
print("保存文件成功")
keras history 导出loss
最新推荐文章于 2022-08-14 21:09:16 发布