在Python中使用Keras，我正在训练传统的前馈NN模型，以产生高维浮点输出向量（N = 2904）。通常，在训练过程中，每个时期都会自动显示总损失（在这种情况下为RMS误差），并记录在历史对象中。
我还想监视与向量的个独立元素相关的损耗-例如，定期保存2904个元素向量，其中包含每个输出元素的RMS误差。不必以与总损耗相同的频率进行更新，但仍要足够频繁地查看哪些元素正在快速收敛而哪些没有。可以通过适当定义的回调来完成此操作吗？
为具体起见，下面是一些示例代码（在本例中为自动编码器，尽管不一定与问题相关）。
x_train = data[0:M , :] #even samples
x_test = data[1:M-1 , :] #odd samples
print(x_train.shape, x_test.shape)
（19728，2904）（19727，2904）
history = autoencoder.fit(x_train, x_train,
epochs=1000,
batch_size=8192,
shuffle=True,
validation_data=(x_test, x_test))