Question

对不起这个微不足道的问题，如果这不是一个合适的地方，请指出一个更好的来源。

有没有办法只为validation_data打印keras指标？

我想跟踪几个特定时期的指标（例如精确度，召回率和f1得分）。在keras git历史中有几种方便的方法，但是在训练时按批次计算它们没有意义，而它们在测试/验证时进行。

因此，培训指标只是把我的日志弄得一团糟。有没有办法让他们静音？

编辑：我知道我可以继承Callback并且只在纪元结束时做那些，但是那样我每个时期对验证数据进行两次预测，一次在我的回调中，一次由keras在引擎盖下完成计算验证损失。

Answer 1

ProgbarLogger仅在verbose > 0时才会将if verbose: if steps_per_epoch is not None: count_mode = 'steps' else: count_mode = 'samples' callbacks += [cbks.ProgbarLogger(count_mode)]回调添加到模型中。在源代码training.py中：

verbose=0

所以可能的解决方法是：

在fit()中指定ProgbarLogger以取消内置ProgbarLogger
子类fit()并更改代码以忽略培训指标
调用from keras.callbacks import ProgbarLogger class ValOnlyProgbarLogger(ProgbarLogger): def __init__(self, verbose, count_mode='samples'): # Ignore the `verbose` argument specified in `fit()` and pass `count_mode` upstream self.verbose = verbose super(ValOnlyProgbarLogger, self).__init__(count_mode) def on_train_begin(self, logs=None): # filter out the training metrics self.params['metrics'] = [m for m in self.params['metrics'] if m.startswith('val_')] self.epochs = self.params['epochs'] input_tensor = Input(shape=(256,)) out = Dense(10)(input_tensor) model = Model(input_tensor, out) model.compile(loss='mse', optimizer='adam', metrics=['mae', 'cosine']) model.fit(X, Y, validation_data=(XX, YY), verbose=0, callbacks=[ValOnlyProgbarLogger(verbose=1)])

例如，

Epoch 1/1
1000/1000 [==============================] - 0s 392us/step - val_loss: 0.2479 - val_mean_absolute_error: 0.3988 - val_cosine_proximity: -0.7022

现在将抑制培训指标：

fit_generator

请注意，如果您使用的是fit而不是count_mode='steps'，则在初始化ValOnlyProgbarLogger时需要指定ES6。

Keras，仅针对验证数据打印指标

1 个答案: