如何使用keras在训练样本数量上绘制准确性？

Question

我已经看到并使用绘图来测量模型在一段时间内的性能（即准确性等），但是我也看到某些论文讨论了在训练样本数量上准确性性能的进展。 我应该如何继续使用keras或其他常见的深度学习库生成这样的图？

这是一种将多个模型与达到令人满意的性能所需的训练样本数量进行公平比较的方法吗？

Answer 1

model.fit调用产生一个history对象，该对象包括每个时期的损耗和度量值。看看https://stackoverflow.com/a/56807595/5666087，是否有类似问题的答案。

该答案的相关代码示例为：

import keras
import matplotlib.pyplot as plt
history = model.fit(x, y, epochs=10)
plt.plot(history.history['accuracy'])
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.show()

不清楚在训练样本上绘制数字是什么意思。您是说模型看到的样本数量超过了吗？在那种情况下，您可以绘制历元数，并且模型看到的样本数是训练样本数乘以历元数。如果要通过访问不同数量的训练样本来训练多个模型，则可以绘制多条线，每个模型一条。