使用load_model加载模型时绘制模型的测试精度

Question

我正在尝试绘制使用tf.keras.models.load_model调用的模型的测试准确性（在训练和验证准确性方面获得令人满意的结果之后，我最初将模型另存为.h5文件）。

在培训和验证期间，我使用以下代码绘制了培训和验证的准确性：

epoch_list2 = list(range(1, len(hist2.history['acc']) + 1))
plt.plot(epoch_list2, hist2.history['acc'], epoch_list2, hist2.history['val_acc'])
plt.legend(("Training Accuracy", "Validation Accuracy"))
plt.show()

但是，当我现在调用模型以对看不见的数据进行测试（出于演示目的）时，我正在使用以下代码首先加载模型，然后对测试数据进行评估并最终计算准确性：< / p>

# Load the model
from keras.models import load_model
model = load_model('/home/ubuntu/CNN_Model.h5')
print(model.summary())

# Use model.evaluate:
test_score = model.evaluate(testset, labels, verbose = 0)
print("Accuracy: %.2f%%" % (test_score[1]*100))

现在我该如何绘制测试准确性得分？是否可以在加载模型的同时在同一张图中绘制所有三个（即培训，验证和测试得分）？

谢谢！

阿拜。

编辑

因此，在搜索堆栈后，我发现了这个link，可以帮助首先保存培训历史记录，然后将其重新加载。解决了这些问题后，我现在如何在一个图中绘制训练，验证和测试分数？

Answer 1

我认为您可以做的是将history.history ['val_acc']，history.history ['train_acc']保存到单独的.csv文件中。在加载模型并获得测试数据的准确性之后，将它们一起绘制在一个图中，其中test_accuracy当然只是图中的一个点，请确保在图中使用“制造商”。