在Keras回調中訪問變量

所以我實施了CNN。我做了自定義回調，確認工作，但我有一個問題。在Keras回調中訪問變量

這是一個示例輸出。迭代5（10000批量大小爲簡單起見）

50000/60000 [========================>.....] - ETA: 10s ('new lr:', 0.01) 

('accuracy:', 0.70)

的例I具有2個回調（測試如圖中輸出工作）：（1）改變在每次迭代學習率。（2）在每次迭代中打印精確度。

我有一個外部腳本，通過考慮準確性來確定學習率。

問題： 如何使每次迭代的準確性都可用，以便外部腳本可以訪問它？本質上是每次迭代時可訪問的變量。我能夠訪問它只有一次的過程就結束了與AccuracyCallback.accuracy

問題我可以通過一個不斷變化的學習速率。但是，一旦在每次迭代中以可訪問變量的形式傳遞，我該如何獲得準確度？

例子我的外部腳本決定迭代1：0.01的學習率。我如何在迭代1而不是打印語句中獲得外部腳本中的可訪問變量的準確性？

來源

2016-10-16 Ritchie

可以create your own callback

class AccCallback(keras.callbacks.Callback): 

    def on_batch_end(self, batch, logs={}): 
     accuracy = logs.get('acc') 
     # pass accuracy to your 'external' script and set new lr here

爲了logs.get('acc')工作，你必須告訴Keras對其進行監控：

model.compile(optimizer='...', loss='...', metrics=['accuracy'])

最後，注意，accuracy類型是ndarray這裏。如果它引起你的任何問題，我建議包裝它：float(accuracy)。

來源

2016-10-17 13:38:56

我已經創建了一個前面提到的。但問題是，我有第二個回調是學習率。 – Ritchie

我不太明白，如果你能寫這兩個回調函數，爲什麼不把它們合併成一個單一的方法呢？如果不清楚，請編輯您的問題並添加用於設置學習率的回調代碼，以便我可以看到如何合併它。 –

在Keras回調中訪問變量

回答

相關問題