在验证模型时，在Keras中使用verbose有什么用？

Question

我是第一次运行LSTM模型。 这是我的模特：

opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)

model = Model(inp,pred)
model.compile(....)

idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)

训练模型时使用详细信息有什么用？

Answer 1

检查model.fit here的文档。

通过设置详细0,1或2，您只想说明如何“看到”每个时期的训练进度。

verbose=0不会向您显示任何内容（无声）

verbose=1会向您显示一个动画进度条，如下所示：

verbose=2只会提到这样的纪元数：

Answer 2

对于verbose> 0，fit方法日志：

• 损失：训练数据的损失功能
• acc ：您的训练数据的准确性值。

注意：如果使用了正则化机制，则将其打开以避免过度拟合。

如果validation_data或validation_split参数不为空，则fit方法日志：

• val_loss ：验证数据的损失函数值
• val_acc ：验证数据的准确性值

注意：因为我们正在使用网络的所有功能，所以在测试时关闭了正则化机制。

例如，在训练模型时使用verbose有助于检测如果acc持续改善而val_acc恶化时发生的过度拟合。

Answer 3

verbose: Integer。 0、1或2。详细模式。

详细== 0（无声）

详细== 1（进度条）

Train on 186219 samples, validate on 20691 samples
Epoch 1/2
186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc: 
0.7728 - val_loss: 0.4917 - val_acc: 0.8029
Train on 186219 samples, validate on 20691 samples
Epoch 2/2
186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc: 
0.8071 - val_loss: 0.4617 - val_acc: 0.8168

Verbose = 2（每个时期一行）

Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075
Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046

Answer 4

默认详细= 1，

verbose = 1，其中包括进度条和每个时期一行

verbose = 0，表示沉默

verbose = 2，每个纪元一行，即纪元编号/总编号时代

Answer 5

带有详细标志的详细信息顺序为

更少的细节。...更多细节

0 <2 <1

默认值为1

对于生产环境，建议2

Answer 6

verbose 是您希望在训练时如何查看 Nural Network 输出的选项。 如果你设置verbose = 0，它什么都不显示

如果你设置verbose = 1，它会显示这样的输出 纪元1/200 55/55[==============================] - 10 秒 307 毫秒/步 - 损失：0.56 - 准确度：0.4949

如果你设置verbose = 2，输出会像 纪元1/200 纪元 2/200 纪元 3/200