python训练模型函数参数_记录模型训练时loss值的变化情况

记录训练过程中的每一步的loss变化

if verbose and step % verbose == 0:

sys.stdout.write('\r{} / {} : loss = {}'.format(

step, total_steps, np.mean(total_loss)))

sys.stdout.flush()

if verbose:

sys.stdout.write('\r')

sys.stdout.flush()

一般我们在训练神经网络模型的时候，都是每隔多少步，输出打印一下loss或者每一步打印一下loss，今天发现了另一种记录loss变化的方法，就是用

sys.stdout.write('\r{} / {} : loss = {}')

如图上的代码，可以记录每一个在每个epoch中记录用一行输出就可以记录每个step的loss值变化，

\r就是输出不会换行，因此如果你想同一样输出多次，在需要输出的字符串对象里面加上"\r",就可以回到行首了。

sys.stdout.flush() #一秒输出了一个数字

具体的实现就是下面的图：

这样在每个epoch中也可以观察loss变化，但是只需要打印一行，而不是每一行都输出。

补充知识：训练模型中损失（loss）异常分析

前言

训练模型过程中随时都要注意目标函数值(loss)