解决为什么val_loss的值只有一个

按理说，val_acc的值的个数是和loss值的个数匹配，那现在只输出了一个。
如图

history = model_final.fit(
    train_generator,
    epochs=epochs,
    validation_data=validation_generator,
    validation_steps=nb_validation_samples,
    #问题就出现在了这句代码上，因为越界了
    callbacks=[checkpoint,early])

import matplotlib.pyplot as plt
loss = history.history['loss'] 
val_loss = history.history['val_loss']
print(loss, val_loss)

输出：
理由：
validation_steps的最大值是验证集的数据/batch_size，因此把这句话删除或者设置成不要超过这个数字即可。

修改过后：

history = model_final.fit(
    train_generator,
    epochs=epochs,
    validation_data=validation_generator,
    validation_steps = int(nb_validation_samples / batch_size),
    callbacks=[checkpoint,early])

结果：

此时val_loss的个数=epochs=loss

⚠️：一定要看编译器给出的warnings。不要认为不是error就不看！

计算依据：
epochs：喂几次
batch：喂一次要喂的样本数
所以如果我有500个训练集，100个测试集，epochs=5，batch=20

那么steps_per_epoc=500/20=25，validation_steps=100/20=5