Question

所以我实施了CNN。我已经确认有效的自定义回调，但我有一个问题。

这是一个示例输出。迭代5的示例（为简单起见，批量大小为10,000）

50000/60000 [========================>.....] - ETA: 10s ('new lr:', 0.01)

('accuracy:', 0.70)

我有2个回调（测试工作如输出中所示）：（1）改变每次迭代的学习率。（2）在每次迭代时打印精度。

我有一个外部脚本，通过考虑准确性来确定学习率。

问题： 如何使每次迭代的准确性可用，以便外部脚本可以访问它？实质上是每次迭代时的可访问变量。只有在AccuracyCallback.accuracy

的过程结束后，我才能访问它

问题我可以通过不断变化的学习率。但是，如果在每次迭代时以可访问变量的形式传递准确度，我如何获得准确性？

示例我的外部脚本确定迭代1：0.01的学习率。如何在迭代1而不是print语句中将准确性作为外部脚本中的可访问变量？

Answer 1

你可以create your own callback

class AccCallback(keras.callbacks.Callback):

    def on_batch_end(self, batch, logs={}):
        accuracy = logs.get('acc')
        # pass accuracy to your 'external' script and set new lr here

为了使logs.get('acc')起作用，您必须告诉Keras监控它：

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

最后，请注意此处accuracy的类型为ndarray。如果它引起任何问题，我建议包装它：float(accuracy)。

在Keras回调中访问变量

1 个答案: