我正在使用一个复杂的自定义层来训练我的Keras模型，我的控制台按如下所示为我的所有自定义层打印指标。有什么方法可以抑制这些（dense_2_x_loss和dense_2_x_acc）？我仍然想要我的模特loss
我了解verbose中的model.fit()参数，但是我不想让指标保持沉默，也不在乎进度栏。
191/313 [=================>............] - ETA: 4:47 - loss: 219.7755 - dense_2_loss: 7.1290 - dense_2_1_loss: 8.7435 - dense_2_2_loss: 8.7449 - dense_2_3_loss: 8.7680 - dense_2_4_loss: 8.7945 - dense_2_5_loss: 8.5691 - dense_2_6_loss: 8.7035 - dense_2_7_loss: 8.3155 - dense_2_8_loss: 8.1388 - dense_2_9_loss: 7.9680 - dense_2_10_loss: 7.4622 - dense_2_11_loss: 7.0953 - dense_2_12_loss: 6.8599 - dense_2_13_loss: 6.4530 - dense_2_14_loss: 6.0404 - dense_2_15_loss: 5.6781 - dense_2_16_loss: 5.3687 - dense_2_17_loss: 4.9732 - dense_2_18_loss: 4.6142 - dense_2_19_loss: 4.3432 - dense_2_20_loss: 4.1127 - dense_2_21_loss: 3.8558 - dense_2_22_loss: 3.5770 - dense_2_23_loss: 3.3686 - dense_2_24_loss: 3.0425 - dense_2_25_loss: 2.8465 - dense_2_26_loss: 2.5968 - dense_2_27_loss: 2.4009 - dense_2_28_loss: 2.2367 - dense_2_29_loss: 2.0981 - dense_2_30_loss: 1.9240 - dense_2_31_loss: 1.8475 - dense_2_32_loss: 1.6736 - dense_2_33_loss: 1.5722 - dense_2_34_loss: 1.4739 - dense_2_35_loss: 1.4386 - dense_2_36_loss: 1.3244 - dense_2_37_loss: 1.2336 - dense_2_38_loss: 1.1778 - dense_2_39_loss: 1.0939 - dense_2_40_loss: 1.0619 - dense_2_acc: 0.0000e+00 - dense_2_1_acc: 0.0000e+00 - dense_2_2_acc: 0.0000e+00 - dense_2_3_acc: 0.0000e+00 - dense_2_4_acc: 4.9084e-04 - dense_2_5_acc: 0.0031 - dense_2_6_acc: 0.0178 - dense_2_7_acc: 0.0443 - dense_2_8_acc: 0.0776 - dense_2_9_acc: 0.1135 - dense_2_10_acc: 0.1561 - dense_2_11_acc: 0.1973 - dense_2_12_acc: 0.2376 - dense_2_13_acc: 0.2801 - dense_2_14_acc: 0.3249 - dense_2_15_acc: 0.3704 - dense_2_16_acc: 0.4103 - dense_2_17_acc: 0.4522 - dense_2_18_acc: 0.4930 - dense_2_19_acc: 0.5278 - dense_2_20_acc: 0.5571 - dense_2_21_acc: 0.5874 - dense_2_22_acc: 0.6207 - dense_2_23_acc: 0.6512 - dense_2_24_acc: 0.6823 - dense_2_25_acc: 0.7071 - dense_2_26_acc: 0.7336 - dense_2_27_acc: 0.7567 - dense_2_28_acc: 0.7762 - dense_2_29_acc: 0.7942 - dense_2_30_acc: 0.8135 - dense_2_31_acc: 0.8266 - dense_2_32_acc: 0.8429 - dense_2_33_acc: 0.8559 - dense_2_34_acc: 0.8665 - dense_2_35_acc: 0.8748 - dense_2_36_acc: 0.8860 - dense_2_37_acc: 0.8940 - dense_2_38_acc: 0.9017 - dense_2_39_acc: 0.9094 - dense_2_40_acc: 0.9157所需的输出：
191/313 [=================>............] - ETA: 4:47 - loss: 219.7755
我的model.compile（）如果有帮助
model.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy'])
答案 0 :(得分：0)
您可以改用tqdm进度栏。
from tqdm.keras import TqdmCallback
...
model.fit(..., verbose=0, callbacks=[TqdmCallback(verbose=2)])
摘自TqdmCallback文档：
verbose：int
0：时代，1：批处理（瞬态），2：批处理。 [默认值：1]。 除非同时指定了data_size和batch_size，否则将设置为0。 tqdm_class：用于条的可选tqdm类[默认： tqdm.auto.tqdm]。