Tensorflow2.0学习笔记-准确率和损失值的可视化

进行准确率和损失值的可视化，就是将acc和loss使用matplot画出来。我们在使用model.fit()函数进行训练时，同步记录了训练集和测试集的损失和准确率。可以使用history进行调用，如下：

#  使用history将训练集和测试集的loss和acc调出来
acc = history.history['sparse_categorical_accuracy']  # 训练集准确率
val_acc = history.history['val_sparse_categorical_accuracy']  # 测试集准确率
loss = history.history['loss']  # 训练集损失
val_loss = history.history['val_loss']  # 测试集损失
#  打印acc和loss，采用一个图进行显示。
#  将acc打印出来。
plt.subplot(1, 2, 1)  # 将图像分为一行两列，将其显示在第一列
plt.plot(acc, label='Training Accuracy')
plt.plot(val_acc, label='Validation Accuracy')
plt.title('Training and Validation Accuracy')
plt.legend()

plt.subplot(1, 2, 2)  # 将其显示在第二列
plt.plot(loss, label='Training Loss')
plt.plot(val_loss, label='Validation Loss')
plt.title('Training and Validation Loss')
plt.legend()
plt.show()

将本篇代码放在上篇文章代码后，运行即可。
输出结果：