Question

我正在使用Keras来预测时间序列。作为标准，我使用了20个时代。我想知道我的神经网络为20个时期中的每一个预测了什么。

通过使用model.predict我在所有时期中只得到一个预测（不确定Keras如何选择它）。我想要所有预测，或者至少是10个最佳预测。

根据我之前得到的答案，我应该在每个训练时期之后通过子类化Callback()并在on_epoch_end函数内的模型上调用预测来实现适当的回调来计算预测。

嗯，这个理论似乎很有形，但我编写代码却很麻烦。有人能够给出一个代码示例吗？

不确定如何实现Callback()子类化以及如何将其与model.predict函数中的on_epoch_end 混合使用。

我们将非常感谢您的帮助：）

修改

好吧，我进化了一点。了解如何创建子类以及如何将其链接到model.predict。但是，我正在大肆宣传如何使用所有预测创建列表。以下是我目前的代码：

#Creating a Callback subclass that stores each epoch prediction
class prediction_history(Callback):
    def on_epoch_end(self, epoch, logs={}):
        self.predhis=(model.predict(predictor_train))

#Calling the subclass
predictions=prediction_history()

#Executing the model.fit of the neural network
model.fit(X=predictor_train, y=target_train, nb_epoch=2, batch_size=batch,validation_split=0.1,callbacks=[predictions]) 

#Printing the prediction history
print predictions.predhis

然而，我所得到的就是上一个时代的预测列表（与打印model.predict（predictor_train）相同的效果）。

现在的问题是：我如何调整我的代码，以便将每个时期的预测添加到predhis？

Answer 1

你正在覆盖每个时代的预测，这就是为什么它不起作用。我会这样做：

class prediction_history(Callback):
    def __init__(self):
        self.predhis = []
    def on_epoch_end(self, epoch, logs={}):
        self.predhis.append(model.predict(predictor_train))

这样self.predhis现在是一个列表，每个预测都会在每个时代结束时附加到列表中。

Python / Keras - 为每个纪元创建一个带有一个预测的回调

1 个答案: