在训练深度学习模型时,Keras提供了对训练历史的默认回调方法——History回调。它记录了每个epoch的训练指标,包括有损失、准确度(分类问题),以及评估数据集的损失和准确度(这需要设置)。训练过程中的信息可以从训练模型的fit()函数的返回值获取。度量标准存储在返回对象的历史成员的字典中。
"""将模型训练过程可视化"""
from keras.models import Sequential
from keras.layers import Dense
from sklearn import datasets
from keras.utils import to_categorical
from matplotlib import pyplot as plt
import numpy as np
#导入数据
dataset = datasets.load_iris()
x = dataset.data
Y = dataset.target
#将标签转换为分类编码
Y_labels = to_categorical(Y, num_classes=3)
#随机种子
seed = 7
np.random.seed(seed)
#构建模型函数
def create_model(optimizer='rmsprop', init='glorot_uniform'):
#构建模型
model = Sequential()
model.add(Dense(units=4, activation='relu', input_dim=4,kernel_initializer=init))
model.add(Dense(units=6, activation='relu', kernel_initia