【102】KeyError: 'accuracy'、KeyError: 'val_acc'、KeyError: 'acc'报错

最新推荐文章于 2023-04-08 15:42:59 发布
原创 最新推荐文章于 2023-04-08 15:42:59 发布 · 2.5k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文作者小婷儿分享了在Python编程中遇到KeyError，如'accuracy'、'val_acc'、'acc'的报错情况。文章介绍了这些错误的可能原因和解决方法，内容涉及数据分析、机器学习领域的数据处理。同时，作者提供了个人博客链接、联系方式和交流群信息，欢迎大家探讨技术问题。 


♣题目部分报错信息之KeyError: 'accuracy'
报错信息之KeyError: 'val_acc'和KeyError: 'acc'
     




♣答案部分    首先，之所以会出现KeyError: ‘accuracy’、KeyError: ‘acc’、KeyError: 'val_acc’等报错信息，是由于keras库（一个开源人工神经网络库，用于构建和训练深度学习模型的高级 API）版本不同所造成的；
train_loss = history.history['accuracy']
valid_loss = history.history['val_accuracy'
    之所以会报错，是因为keras库老版本中的参数不是accuracy，而是acc，将参数accuracy替换为acc，修改过的代码如下：
train_loss = history.history['acc']
valid_loss = history.history['val_acc']

  

About Me：小婷儿

● 本文作者：小婷儿，专注于python、数据分析、数据挖掘、机器学习相关技术，也注重技术的运用

● 作者博客地址：https://blog.csdn.net/u010986753

● 本系列题目来源于作者的学习笔记，部分整理自网络，若有侵权或不当之处还请谅解

● 版权所有，欢迎分享本文，转载请保留出处

● 微信：tinghai87605025 联系我加微信群

● QQ：87605025

● QQ交流群py_data ：483766429

●&n

最低0.47元/天 解锁文章
小麦粒
关注
KeyError: ‘val_acc‘ KeyError: ‘val_accuracy ‘ val_loss
11-24 569
KeyError: 'val_acc' KeyError: 'val_accuracy ' val_loss
KeyError: ‘val_acc‘、 ‘val_accuracy‘、‘accuracy‘ ‘val_loss‘、 ‘loss‘问题解决
m0_64007201的博客
07-18 3509
解决KeyError问题
KeyError: ‘accuracy‘、KeyError: ‘val_acc‘、KeyError: ‘acc‘
bats的博客
09-22 1286
KeyError: ‘accuracy’、KeyError: ‘val_acc’、KeyError: 'acc’等报错信息的解决方法 参考链接1 参考链接2 在使用matplotlib对机器学习结果进行绘图时，报了该错误 我的显示训练图的函数代码为： def show_train_history(train_history, train, validation): """ 显示训练过程 参数： train_history - 训练结果存储的参数位置
KeyError: ‘acc’、KeyError: ‘accuracy‘、vl_acc、vl_accuracy等的解决方法
yanglaimeng的博客
04-08 626
KeyError: ‘acc’、KeyError: ‘accuracy‘、vl_acc、vl_accuracy等的解决方法
KeyError: 'accuracy'、KeyError: 'val_acc'、KeyError: 'acc'等报错信息的解决方法
热门推荐
哈哈哈哈哈嗝哈哈哈
12-21 3万+
首先，之所以会出现KeyError: ‘accuracy’、KeyError: ‘acc’、KeyError: 'val_acc’等报错信息，是由于keras库（一个开源人工神经网络库）版本不同所造成的，下面分别就其进行简述之。 Index 目录索引报错信息之KeyError: 'accuracy'报错信息之KeyError: 'val_acc'和KeyError: 'acc'Conclusion...
KeyError: ‘accuracy’、KeyError: ‘val_accuracy‘解决办法
北冥有渔的博客
03-24 2264
出现KeyError: ‘accuracy’报错信息，是由于keras版本问题所造成的。keras库老版本中的参数不是accuracy，而是acc 解决办法：将参数accuracy替换为acc
解决Keyerror acc KeyError: val_acc问题
12-17
在使用深度学习库Keras进行模型训练时，有时会遇到`KeyError`，特别是与`acc`和`val_acc`相关的错误。这个问题通常出现在尝试访问训练历史记录（`history.history`）时，由于Keras的不同版本对某些度量标准的命名...
KeyError:“val_acc“和KeyError:“val_accuracy“都报错
qq_23852001的博客
02-10 3390
前言 我用的keras版本是2.3.1，TensorFlow-gpu 2.0 昨天在训练的时候出现KeyError:“val_acc“ 然后我从CSDN和github上找到的答案就是说keras的版本不一样用的关键字不一样。 所以我换成val_accuracy，结果还是报错，报KeyError:“val_accuracy“ 解决方法 每个问题都不一样，但是我的是因为我的cudnn的版本不匹配或者是cudnn的环境配置错了，所以才出现了上边的错误希望能给小伙伴们一些帮助。 一般情况下报acc就换val_acc
深度学习history KeyError: ‘accuracy‘、KeyError: ‘val_acc‘、KeyError: ‘acc‘报错
weixin_42497252的博客
07-03 7871
之所以会出现KeyError: ‘accuracy’、KeyError: ‘acc’、KeyError: 'val_acc’等报错信息，是由于keras库（一个开源人工神经网络库，用于构建和训练深度学习模型的高级 API）版本不同所造成的； train_loss = history.history[‘accuracy’] valid_loss = history.history[‘val_accuracy’] 为keras库老版本中的参数不是accuracy，而是acc，将参数accuracy替换为acc，
KeyError val_accuracy KeyError accuracy KeyError val_acc KeyError acc
b296405422的博客
04-02 3799
在学习使用keras库遇到了这个问题。 可能是由于版本不同导致，那么要怎么判断自己的版本用的是哪个呢？ 可以试试这两条语句 history_dict = history.history history_dict.keys() 我的反馈如下： 可以看到loss和val_loss还是一样的，但是我的acc和val_acc却变成了binary_accuracy和val_binary_ac...
keras遇到的问题
owenfy的博客
05-04 4530
1、保存keras模型并重新导入，发现自己定义的损失函数不能用 ValueError: Unknown loss function:bp_mll_loss 解决：加一个custom_objects # model.save('BPMLL_add_noise_less_fea_locate10.h5') # from keras.models import load_model # mo...
KeyError: ‘acc’
thankuforsharing的博客
03-13 237
解决KeyError：‘acc’报错的一种新思路
Keyerror ‘acc‘ KeyError: ‘val_acc‘解决方法
贵在坚持
05-07 8082
前言 在使用keras时候报错Keyerror ‘acc’，这是一个keras版本问题，acc和accuracy本意是一样的，但是不同keras版本使用不同命名，因此需要更换。val_acc也是如此。 步骤 打印history关键字 print(history.history.keys()) 将自己定义错的关键字更正为上面print函数显示的关键字。 结果 可以看出我的keras版...
python处理json文件出现的报错 ValueError: too many values to unpack (expected 2)； KeyError: ‘validate_keywo
S_jGgod的博客
06-19 939
python学习笔记，处理json文件时遇到的一些问题
KeyError:"val_acc"报错原因分析
weixin_44917782的博客
09-26 1万+
原因分析：问题出现主要是版本问题，最新的版本 callback = [ ModelCheckpoint( # ‘./ckpt/fine_tuning/weights.{epoch:02d}-{val_acc:.2f}.hdf5’, 这里的val_acc:参数错误需要更改为新的参数或者去掉 ‘./ckpt/fine_tuning/weights.{epoch:02d}.hdf5’, monitor...
python keyerror 0_尝试访问字典索引0时发生Python KeyError：dict [0]
weixin_42511217的博客
12-23 898
I'm successfully receiving some properly formatted JSON data via websocket:while True:result = ws.recv()result = json.loads(result)I can loop through the dictionary like this:for i in result:print (i)...
tensorflow问题--KeyError: ‘accuracy’ 和RuntimeError: __iter__() is only supported inside of tf.function
mqqgd818的博客
01-05 2222
问题描述： 在运行霹雳吧啦Wz老师用tensorflow实现的Alexnet代码时，出现下面的错误： train_accuracy = history_dict["accuracy"]KeyError: ‘accuracy’ 原因分析： 由于keras库版本不同所造成的 解决方案： 将参数accuracy替换为acc，将参数val_accuracy改为val_acc 已解决~ 参考链接： https://blog.csdn.net/weixin_42497252/article/det..
python keyerror 0,尝试访问字典索引0时发生Python KeyError：dict [0]
weixin_42355252的博客
12-23 489
I'm successfully receiving some properly formatted JSON data via websocket:while True:result = ws.recv()result = json.loads(result)I can loop through the dictionary like this:for i in result:print (i)...
显示acc和lose时出现：KeyError: ‘sparse_categorical_accuracy‘
dream_to_dream的博客
05-25 1105
使用：history=model.fit(训练集数据, 训练集标签, batch_size=, epochs=, validation_split=用作测试数据的比例, validation_data=测试集, validation_freq=测试频率)训练之后，绘制其精度acc和损失loss函数曲线。 根据fit（）函数的传入数据的同，或者是是版本的不同，history使用前可打印history.history.keys()，查看字典关键字。 当history包含以下几个属性： 训练集loss： lo
python3.9，tensorflow2.8.0，运行报错KeyError: 'val_accuracy' <Figure size 1600x600 with 0 Axes>
最新发布
09-03
<think> 我们正在解决在Python 3.9和TensorFlow 2.8.0环境下运行代码时出现的KeyError: 'val_accuracy'错误。 根据错误信息，可能是在代码中使用了'val_accuracy'这个键，但在训练历史记录中不存在。在TensorFlow 2.x中，验证准确率的键名可能发生了变化。 在TensorFlow 2.0及以上版本中，默认情况下，训练历史记录中的指标名称会随着模型的编译参数而变化。通常，准确率的键名可能是'accuracy'，验证准确率的键名可能是'val_accuracy'。 但是，请注意，在模型编译时，如果指定了不同的名称，或者使用了自定义的指标，那么键名会有所不同。 错误原因分析： 1. 可能是在模型编译时没有指定验证集，导致没有验证指标，因此历史记录中没有'val_accuracy'。 2. 可能是TensorFlow版本差异导致键名略有不同（例如，在较早的2.x版本中，可能是'val_acc'，但在2.0之后一般使用'val_accuracy'）。 3. 在训练模型时，如果没有设置验证集，那么就不会有以'val_'开头的指标。 根据提供的引用[4]，我们看到在评估模型时使用了`model.evaluate`，并打印出了准确率（accuracy），但没有提到验证准确率。因此，我们主要关注训练过程中验证指标的问题。 解决方案： 1. 检查训练代码中是否指定了验证集。在调用`model.fit`时，是否提供了`validation_data`或`validation_split`参数？如果没有，则不会计算验证指标，自然不会有'val_accuracy'。 2. 检查在模型编译时是否指定了监控准确率指标。通常，在分类任务中，我们会使用`metrics=['accuracy']`，这样训练过程中会记录训练准确率（'accuracy'）和验证准确率（如果有验证集，则为'val_accuracy'）。 3. 如果确实有验证集，但仍然出现KeyError，那么可能是键名不同的原因。我们可以打印出历史记录对象中的所有键，以确认正确的键名。 具体步骤： 步骤1：确保在模型编译时设置了`metrics`参数，例如： model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) 步骤2：在调用fit方法时，确保设置了验证集，例如： history = model.fit(X_train, y_train, epochs=10, validation_data=(X_val, y_val)) 或者使用validation_split： history = model.fit(X_train, y_train, epochs=10, validation_split=0.2) 步骤3：在训练结束后，可以通过以下方式查看历史记录中可用的键： print(history.history.keys()) 然后，根据打印出的键名来替换代码中使用的'val_accuracy'。可能的键名有（根据版本和配置）： - 训练准确率：'accuracy' 或 'acc' - 验证准确率：'val_accuracy' 或 'val_acc' 在TensorFlow 2.8.0中，默认应使用'accuracy'和'val_accuracy'。但为了确保兼容性，建议使用上述打印的方式确认。 步骤4：如果代码中是在回调函数（如EarlyStopping）中使用了'val_accuracy'，那么同样需要根据实际的键名进行修改。例如，如果打印出来的键是'val_acc'，则应该使用'val_acc'。 另外，引用[3]提到一个关于导入的问题，但与本问题无关。引用[4]展示了评估模型的结果，没有直接关系。 如果上述步骤无法解决，请提供出现错误的代码片段，以便更准确地定位问题。 根据上述分析，我们可以给出以下解决方案： 示例代码： ```python # 模型编译 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 注意这里设置了accuracy # 模型训练，使用验证集 history = model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels)) # 训练结束后，查看历史记录的键 print(history.history.keys()) # 假设我们要绘制验证准确率曲线，正确的键名应该是上面打印出来的其中一个 # 例如，如果打印出来的键为：dict_keys(['loss', 'accuracy', 'val_loss', 'val_accuracy']) # 那么我们就可以使用'val_accuracy'。 ``` 如果打印出来的键中没有'val_accuracy'，而是'val_acc'，则需要将代码中所有出现'val_accuracy'的地方改为'val_acc'。 此外，在TensorFlow 2.0以上版本，通常使用'val_accuracy'。但是，如果用户使用的是旧版本的代码，可能会出现键名不一致。 另一种解决方法：在模型编译时指定指标别名（自定义指标名称），这样可以确保键名一致。例如： ```python model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=[tf.keras.metrics.SparseCategoricalAccuracy(name='my_acc')]) ``` 这样，训练准确率的键就是'my_acc'，验证准确率的键就是'val_my_acc'。然后在回调函数或访问历史记录时使用'val_my_acc'。 总结：检查验证集设置、打印历史记录的键，并确保使用正确的键名。 如果用户没有提供代码，我们只能根据常见情况给出上述建议。 相关问题： 1. 如何设置TensorFlow/Keras模型训练时的验证集？ 2. TensorFlow的不同版本中，训练历史记录的键名有哪些变化？ 3. 如何在模型编译时自定义指标名称以避免键名冲突？ 4. 如何在训练过程中监控验证集指标并用于早停（EarlyStopping）？ </think> ### 解决 TensorFlow 2.8.0 中 KeyError: 'val_accuracy' 错误 #### 问题原因分析 该错误通常发生在尝试访问模型训练历史记录中的 `val_accuracy` 键时，常见原因包括： 1. **验证集未正确配置**：训练时未设置验证集，导致历史记录中不存在验证指标 2. **TensorFlow 版本的命名差异**：某些版本使用 `val_acc` 而非 `val_accuracy` 3. **回调函数配置错误**：如 `ModelCheckpoint` 或 `EarlyStopping` 使用了错误的关键字 4. **模型未编译准确率指标**：编译时未包含 `metrics=['accuracy']` 参数[^4] #### 解决方案步骤 1. **确认验证集配置** 在 `model.fit()` 中显式指定验证集： ```python history = model.fit( X_train, y_train, validation_data=(X_val, y_val), # 必须提供验证数据 epochs=10 ) ``` 2. **检查历史记录的键名** 训练结束后打印所有可用键名： ```python print(history.history.keys()) # 可能输出：dict_keys(['loss', 'accuracy', 'val_loss', 'val_accuracy']) ``` 3. **适配不同版本的键名** 根据输出结果选择正确的键名： ```python # 如果显示 'val_acc' 而非 'val_accuracy' val_acc = history.history['val_acc'] ``` 4. **修正回调函数配置** 在回调函数中使用正确的监测指标： ```python from tensorflow.keras.callbacks import EarlyStopping # 使用统一的键名（val_accuracy 或 val_acc） EarlyStopping(monitor='val_accuracy', patience=3) ``` 5. **确保模型正确编译** 编译时必须包含准确率指标： ```python model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 关键配置[^4] ``` #### 完整代码示例 ```python import tensorflow as tf # 模型构建 model = tf.keras.Sequential([...]) # 关键步骤：编译时声明准确率指标 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 必须包含[^4] # 训练时提供验证集 history = model.fit( train_data, epochs=10, validation_data=val_data # 显式指定验证集 ) # 正确获取验证准确率 if 'val_accuracy' in history.history: val_acc = history.history['val_accuracy'] elif 'val_acc' in history.history: val_acc = history.history['val_acc'] # 兼容旧版本 ``` #### 验证指标说明 | 指标类型 | 标准键名 | 备用键名 | |----------------|------------------|-------------| | 训练准确率 | `accuracy` | `acc` | | 验证准确率 | `val_accuracy` | `val_acc` | | 训练损失 | `loss` | - | | 验证损失 | `val_loss` | - | > 注意：TensorFlow 2.x 版本推荐使用 `accuracy`/`val_accuracy`，但部分旧代码可能使用缩写形式[^4]。 ### 相关问题 1. 如何在 TensorFlow 中自定义训练指标的名称？ 2. 当验证集不可用时，如何监控模型性能？ 3. TensorFlow 2.x 与 1.x 在回调函数使用上有哪些主要差异？ 4. 如何解决 `KeyError: 'val_loss'` 类似错误？ [^1]: 环境配置参考 [^2]: 模型压缩与部署示例 [^4]: 模型评估指标实现
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值