Question

我正在使用张量流后端和Jupyter-Notebook在Keras训练我的模型。虽然MNIST示例在每批次之后更新训练日志的输出，但我在不同数据集上的新模型会为每个批次输出新值。现在，我希望看到每个批次之后更新的值，而不是使用verbose = 2。

我的拟合函数如下所示：

model.fit(X, y_train, validation_split=0.33, epochs=1, batch_size=200, verbose=1)

输出如下：

    Train on 16415 samples, validate on 8085 samples
    Epoch 1/1
    16415/16415 [==============================] - 
ETA: 73s - loss: 9.0281 -acc: 0.44 - ETA: 49s - loss: 9.0271 - acc: 0.44 -  
ETA: 36s - loss: 8.7043 - acc: 0.46 - ETA: 33s - loss: 8.3979 - acc: 0.47 - 
ETA: 31s - loss: 8.3549 - acc: 0.48 - ETA: 29s - loss: 8.3011 - acc: 0.48 - 
ETA: 28s - loss: 8.1802 - acc: 0.49 - ETA: 27s - loss: 8.1220 - acc: 0.49 - 
ETA: 26s - loss: 8.0995 - acc: 0.49 - ETA: 26s - loss: 8.1178 - acc: 0.49 - 
ETA: 25s - loss: 8.1264 - acc: 0.49 - ETA: 24s - loss: 8.1274 - acc: 0.49 - 
ETA: 24s - loss: 8.0880 - acc: 0.49 - ETA: 23s - loss: 8.0860 - acc: 0.49 - 
ETA: 23s - loss: 8.0894 - acc: 0.49 - ETA: 22s - loss: 8.1303 - acc: 0.49 -
...

但是，我希望在每个批次之后只看到一行更新，如下所示：

Epoch 1/1
        16415/16415 [==============================] - 
    ETA: 23s - loss: 9.0281 -acc: 0.44 - ETA: 22s - loss: 9.0271 - acc: 0.49

除了设置verbose = 2之外，我在keras文档中找不到任何选项，但这不会在训练期间更新日志。

Answer 1

您可以使用LambdaCallback在批次和纪元之间调用自定义函数。

使用on_batch_end参数传递要调用的函数：

from keras.callbacks import LambdaCallback

def batchOutput(batch, logs):

    print("Finished batch: " + str(batch))
    print(logs)

batchLogCallback = LambdaCallback(on_batch_end=batchOutput)

model.fit(x,y,....,callbacks=[batchLogCallback])

Answer 2

在您撰写此问题时，还没有内置的解决方案。您可以继承tf.keras.callbacks.TensorBoard并实现on_batch_end方法。在2018年，它被添加到Keras。

在Tensorflow中，您可以使用update_freq类的tf.keras.callbacks.TensorBoard参数并将其设置为batch。

像这样：

tensorboard_callback = tf.keras.callbacks.TensorBoard(update_freq='batch')
tf_model.fit(x, y, epochs=1, callbacks=[tensorboard_callback])

如何在Keras的每批次后更新培训日志输出？

2 个答案: