keras打印train_loss,val_loss,train_acc,val_acc

1.添加网络结构

model.add(...)
model.add(...)
...

2.模型编译

model.compile(loss='...',omeptimizer='...',metrics=['accuracy'])

3.模型训练

history = model.fit(x_train,y_train,batchsize=64,epoch=epochs,validation=(x_test,y_test))

4.打印结果

plt.plot(history.epoch, history.history['loss'], label='train loss+error')
plt.plot(history.epoch, history.history['val_loss'], label='val_error')
plt.plot(history.epoch, history.history['acc'],label='train_acc')
plt.plot(history.epoch, history.history['val_acc'], label = 'val_acc')
plt.legend()
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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