深度学习history KeyError: ‘accuracy‘、KeyError: ‘val_acc‘、KeyError: ‘acc‘报错

最新推荐文章于 2023-04-08 15:42:59 发布
最新推荐文章于 2023-04-08 15:42:59 发布
阅读量7.6k 收藏 11
点赞数 7
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。
本文链接：https://blog.csdn.net/weixin_42497252/article/details/107107959
版权

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，修改过的代码如下：
train_loss = history.history[‘acc’]
valid_loss = history.history[‘val_acc’]

09踏雪飞鸿
关注
【问题记录与解决】KeyError: ‘acc‘ plt.plot(N[150:], H.history[“acc“][150:], label=“train_acc“) # KeyError: ‘
追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光
11-08 984
【问题记录与解决】KeyError: 'acc' plt.plot(N[150:], H.history["acc"][150:], label="train_acc") # KeyError: ' 人工智能 面试题：在深度学习中，常用的优化算法有哪些？请分别介绍它们的原理。
解决Keyerror acc KeyError: val_acc问题
12-17
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版本history关键字不是简写val_acc，而是val_accuracy,更换后解决报错！！！ 补充知识：python运行出现错误KeyError: ‘：’ 冒号中英文切换的问题 即使是在 ‘ ‘ 里的，也要
KeyError: ‘accuracy‘、KeyError: ‘val_acc‘、KeyError: ‘acc‘
bats的博客
09-22 1182
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
【102】KeyError: 'accuracy'、KeyError: 'val_acc'、KeyError: 'acc'报错
小麦粒的Python
06-10 2490
♣题目部分报错信息之KeyError: 'accuracy' 报错信息之KeyError: 'val_acc'和KeyError: 'acc&...
KeyError: 'accuracy'、KeyError: 'val_acc'、KeyError: 'acc'等报错信息的解决方法
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: ‘acc’、KeyError: ‘accuracy‘、vl_acc、vl_accuracy等的解决方法
yanglaimeng的博客
04-08 495
KeyError: ‘acc’、KeyError: ‘accuracy‘、vl_acc、vl_accuracy等的解决方法
KeyError: ‘accuracy’、KeyError: ‘val_accuracy‘解决办法
北冥有渔的博客
03-24 2103
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
09-16
在使用Keras框架进行深度学习项目开发时，可能会遇到`KeyError: 'acc'`或`KeyError: 'val_acc'`这类错误。这类错误通常发生在尝试访问模型训练历史中的指标（如准确率）时，而所使用的键并不存在于`history.history`...
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...
Tensorflow画loss和val_loss 、accuracy和 val_accuracy的图（便于分析）
weixin_45532899的博客
04-21 3418
首先，我们要知道哪儿里会产生这四个值？ history = model_final.fit( train_generator, epochs=epochs, validation_data=validation_generator, validation_steps = int(nb_validation_samples / batch_size), callbacks=[checkpoint,early]) 当model.compile的metrics=[“acc
Sanic之request['session']报错KeyError解决
weixin_44172434的博客
06-06 2044
背景： 最近在做项目时使用Sanic作为后台框架开发，在一开始没有多余调用的时候直接对异步函数里进行request[‘session’]毫无问题，一直测试也没什么问题，最近测着测着发现了点问题，而且是忽然间出现的，说明它有某个触发条件，或者是之前的使用不规范不合理。 如图所示，报错keyError:‘session’ 解决方法： 找到你的Sanic引用app的地方： 加入如下： from san...
深度学习-卷积神经网络案例
m0_58204203的博客
07-13 965
了解卷积神经网络的结构： 备注：有兴趣的可以下去了解卷积神经网络的结构，这里就不用作过多的描述。 直接上代码，可以参考： 4.建立模型 from tensorflow.keras.layers import Dropout model = Sequential() model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3))) model.add(MaxPool...
Keras学习记录之模型编译-训练-评估-预测
pengxiang1998的博客
09-25 1817
Keras的模型编译的语法格式为： 但我们最常用的还是以下这种： 在完成了模型的构建后, 可以使用 来配置学习过程 在训练模型之前，需要配置学习过程，这是通过 compile 方法完成的。它接收三个参数： 如果需要，你还可以进一步地配置你的优化器。Keras 的核心原则是使事情变得相当简单，同时又允许用户在需要的时候能够进行完全的控制（终极的控制是源代码的易扩展性）。 此外还可以根据问题种类进行细分 模型训练 fit调用格式 迭代训练参数格式为： 参数 。 如果模型中的输入层被命名，你也可以传递一个字典
keras保存历史准确率与loss值
yo跟着新宇走
09-02 1万+
折腾了一下午，记录下。 需求：为了能做对比试验的acc和loss plot图 目的：需要保存模型运行时每轮的acc与loss值到txt https://blog.csdn.net/momaojia/article/details/72877953 找到了简单易行的办法。 直接 history1 = model.fit(X_train, Y_train, validation_data=(X...
《python深度学习》学习笔记
Chloris_的博客
04-27 1260
《python深度学习》 第一章： 参数化，先随机设置权重，通过损失函数来反向传播信息，对设置的权重进行调整。 第一章简要的介绍了关于深度学习、机器学习的由来与争议，从概念上对深度学习进行了简要的解释，简单的描述了深度学习的核心所在。 第二章： 简要介绍关于深度学习的基本的数学概念、 张量（输入网络的数据存储对象）、张量运算（层的组成要素）和梯度下降（可以让网络从训练样本中进行学习）0D张量是仅包含一个数字——标量，1D张量是向量，2D张量是矩阵（张量是轴的...
基于keras的深度模型训练过程及结果记录方法
sjtuxx_lee的博客
05-29 1万+
记录训练过程 history=model.fit(X_train, Y_train, epochs=epochs,batch_size=batch_size,validation_split=0.1) 将训练过程记录在history中 利用时间记录模型 import time model_id = np.int64(time.strftime('%Y%m%d%H%M', time.lo...
Python字典查找报Keyerror解决方法
热门推荐
幸运的Alina的博客
07-18 29万+
Python的字典一般都直接查找key ，比如 dict={'a':1,'b':2,'c':3} print(dict['a']) 但是如果在查找的key不存在的时候就会报：KeyError: 比如你要查看print(dict['d']) 由于这个时候dict里面并没有这个key ,所以就会直接报错，那么这个时候其实python给我们提供了一种很棒的解决方法，那就是用 setdefa...
KeyError val_accuracy KeyError accuracy KeyError val_acc KeyError acc
b296405422的博客
04-02 3699
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...
请为我解释这段代码，添加中文注释： axs[0].plot(range(1, len(model_history.history['acc']) + 1), model_history.history['acc']) axs[0].plot(range(1, len(model_history.history['val_acc']) + 1), model_history.history['val_acc']) axs[0].set_title('Model Accuracy') axs[0].set_ylabel('Accuracy') axs[0].set_xlabel('Epoch') axs[0].set_xticks(np.arange(1, len(model_history.history['acc']) + 1), len(model_history.history['acc']) / 10) axs[0].legend(['train', 'val'], loc='best')
最新发布
06-03
这段代码使用了Matplotlib库来绘制模型训练过程中准确率的变化。 - `axs[0].plot(range(1, len(model_history.history['acc']) + 1), model_history.history['acc'])`：绘制训练集准确率变化曲线，横坐标为训练轮数，纵坐标为准确率，使用蓝色实线表示。 - `axs[0].plot(range(1, len(model_history.history['val_acc']) + 1), model_history.history['val_acc'])`：绘制验证集准确率变化曲线，横坐标为训练轮数，纵坐标为准确率，使用绿色实线表示。 - `axs[0].set_title('Model Accuracy')`：设置子图标题为“Model Accuracy”。 - `axs[0].set_ylabel('Accuracy')`：设置子图纵坐标轴标签为“Accuracy”。 - `axs[0].set_xlabel('Epoch')`：设置子图横坐标轴标签为“Epoch”。 - `axs[0].set_xticks(np.arange(1, len(model_history.history['acc']) + 1), len(model_history.history['acc']) / 10)`：设置子图横坐标轴刻度位置和标签。np.arange(1, len(model_history.history['acc']) + 1)表示轮数范围，len(model_history.history['acc']) / 10表示每10个轮数放置一个刻度。 - `axs[0].legend(['train', 'val'], loc='best')`：设置子图图例，其中['train', 'val']表示训练集和验证集的标签，loc='best'表示自动选择最佳位置放置图例。 绘制损失变化曲线的代码与准确率变化曲线类似，不再赘述。
评论
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