Question

我一直在Keras培训CNN，并将培训和验证准确性作为时代的函数进行绘制。我想知道是否有一种方法可以将精确度绘制为处理时间的函数。

原因是我希望展示转学习的速度，而不是重新培训整个网络。当使用转移学习时，网络需要相似数量的时期来训练，给予或接受，但每个时期花费的时间要少得多（快一个数量级），我想以图形方式捕获它。

以下是我目前使用的代码：

history = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch, verbose=1, validation_data=(X_test, Y_test))

print(history.history.keys())
# summarize history for accuracy
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='lower right')
plt.show()

提前致谢

Answer 1

因此，在Keras中执行一段代码来执行任务实际上非常简单。为了做到这一点 - 熟悉keras.callback是很好的。它可以调用自定义函数：

on_epoch_begin：在每个时代的开始都被召唤。

on_epoch_end：在每个时代结束时召集，

on_batch_begin：在每批次的开头调用，

on_batch_end：在每批结束时调用，

on_train_begin：在模型训练开始时调用，

on_train_end：在模特训练结束时调用。

所以你现在可以实施，例如一个新的回调将：

注册培训时间的开始on_train_begin，
在每个纪元的末尾，它将使用on_epoch_end提供的dict注册计算结束的实际时间，
注册培训结束on_train_end。

通过使用此回调收集的数据，您可以通过各种方式轻松呈现时间和准确性之间的依赖关系。当然 - 它可以很容易地延长到batch/iterations时间段。

Keras绘图精度与时间的关系

1 个答案: