Question

我试图通过查看模型对每批更新的图上的实际y值的预测来查看我的模型如何进行加班训练，我用Google搜索了它的完成方式和非常令人困惑的地方，最接近它的是在此处添加代码：

def cb(x, y_true):
    def _(batch, logs):
        s,e=batch*batch_size,(batch+1)*batch_size
        y_pred = model.predict(
            x[s:e],
            batch_size=batch_size
        )
        plt.clf()
        plt.plot(y_true[s:e], label='true')
        plt.plot(y_pred, label='pred')
        plt.legend()
        plt.show()
    return _
cb_plot=keras.callbacks.LambdaCallback(on_batch_end=cb(train_X,train_y))

此问题是因为show被阻止，我需要每次手动关闭数字以继续训练。我尝试使用block=False，并尝试启用ion进行交互，但这使我进入了空白的无响应图形窗口。任何人都知道在这里需要进行哪些更改才能使其正常工作？

顺便说一句，我没有看到TensorBoard可以向您展示模型通过训练与真实y值相比所做的预测，是否有可能在tensorboard中看到它而不是手动实现它？

谢谢！

Answer 1

尝试通过以下方式使用matplotlib qt后端：

%matplotlib qt

或者如果您正在运行.py文件

from IPython import get_ipython
get_ipython().run_line_magic('matplotlib', 'qt')

然后使用axe创建全局ax = plt.axes()对象最后用它来绘制您的情节：

def plot_stuff():
   ax.clear()
   x = np.linspace(-10, 10, 50)
   ax.plot(x, np.sin(x))

如果要绘制预测值，则可以创建一些自定义指标功能，这些功能将仅返回y_true或y_pred值。并使用TensorBoard回调对其进行绘制。

Answer 2

这对我有用：

plt.show(block=False)

然后

def cb(x, y_true):
    def _(batch, logs):
        s,e=batch*batch_size,(batch+1)*batch_size
        y_pred = model.predict(
            x[s:e],
            batch_size=batch_size
        )
        plt.clf()
        plt.plot(y_true[s:e], label='true')
        plt.plot(y_pred, label='pred')
        plt.axis([0, batch_size, -1, 1])
        plt.legend()
        plt.draw()
        plt.pause(0.0001)
    return _
cb_plot=keras.callbacks.LambdaCallback(on_batch_end=cb(train_X,train_y))

训练时实时绘制模型预测

2 个答案: