keras模型训练过程绘制

        keras版本2.2.0，发现通过之前的history=model.fit()，print(history.history())会出现一个问题'dict' object is not callable然后找了中文官方文档以及其他网上资料，依然没有解决，最后去看了下外文的官方文档https://keras.io/callbacks/#history。在外文官方文档中有这么一个例子：

class LossHistory(keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        self.losses = []

    def on_batch_end(self, batch, logs={}):
        self.losses.append(logs.get('loss'))

model = Sequential()
model.add(Dense(10, input_dim=784, kernel_initializer='uniform'))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

history = LossHistory()
model.fit(x_train, y_train, batch_size=128, epochs=20, verbose=0, callbacks=[history])

print(history.losses)
# outputs
'''
[0.66047596406559383, 0.3547245744908703, ..., 0.25953155204159617, 0.25901699725311789]
'''

        然后根据这个例子在此基础上进行修改，发现可以打印出来训练过程中的参数。

from keras.callbacks import Callback
class History(Callback):
    def on_train_begin(self,logs={}):
        self.losses=[]
        self.acces=[]
    def on_batch_end(self,batch,logs={}):
        self.losses.append(logs.get('loss'))
        self.acces.append(logs.get('acc'))
history=History()
"""model这儿换上自己定义的模型就行"""
model.fit(X_train,y_train,batch_size=35,epochs=2,verbose=1,validation_data=(X_val,y_val),callbacks=[history])
print(history.losses)
print(history.access)
"""自己可以再重新定义一个数组用来转每个步长训练过程中的数据，让所有过程数据存放在一个数组中，最后通过matplot绘制"""