如何返回確認損失的歷史Keras

Question

使用蟒蛇Python 2.7版的Windows 10

我使用Keras〔實施例訓練語言模型：

print('Build model...') 
model = Sequential() 
model.add(GRU(512, return_sequences=True, input_shape=(maxlen, len(chars)))) 
model.add(Dropout(0.2)) 
model.add(GRU(512, return_sequences=False)) 
model.add(Dropout(0.2)) 
model.add(Dense(len(chars))) 
model.add(Activation('softmax')) 

model.compile(loss='categorical_crossentropy', optimizer='rmsprop') 

def sample(a, temperature=1.0): 
    # helper function to sample an index from a probability array 
    a = np.log(a)/temperature 
    a = np.exp(a)/np.sum(np.exp(a)) 
    return np.argmax(np.random.multinomial(1, a, 1)) 


# train the model, output generated text after each iteration 
for iteration in range(1, 3): 
    print() 
    print('-' * 50) 
    print('Iteration', iteration) 
    model.fit(X, y, batch_size=128, nb_epoch=1) 
    start_index = random.randint(0, len(text) - maxlen - 1) 

    for diversity in [0.2, 0.5, 1.0, 1.2]: 
     print() 
     print('----- diversity:', diversity) 

     generated = '' 
     sentence = text[start_index: start_index + maxlen] 
     generated += sentence 
     print('----- Generating with seed: "' + sentence + '"') 
     sys.stdout.write(generated) 

     for i in range(400): 
      x = np.zeros((1, maxlen, len(chars))) 
      for t, char in enumerate(sentence): 
       x[0, t, char_indices[char]] = 1. 

      preds = model.predict(x, verbose=0)[0] 
      next_index = sample(preds, diversity) 
      next_char = indices_char[next_index] 

      generated += next_char 
      sentence = sentence[1:] + next_char 

      sys.stdout.write(next_char) 
      sys.stdout.flush() 
     print() 

據Keras文檔中，model.fit方法返回歷史回調，其歷史屬性包含連續虧損和其他度量的列表。

hist = model.fit(X, y, validation_split=0.2) 
print(hist.history) 

訓練我的模型後，如果我跑print(model.history)我得到的錯誤：

AttributeError: 'Sequential' object has no attribute 'history' 

我如何訓練我的模型與上面的代碼後返回我的模型的歷史？

UPDATE

的問題是：

下必須首先定義：

from keras.callbacks import History 
history = History() 

的回調選項有被稱爲

model.fit(X_train, Y_train, nb_epoch=5, batch_size=16, callbacks=[history]) 

但現在如果我打印

print(history.History) 

返回

{} 

即使我跑了一個迭代。

Answer 1

它已經解決了。

損失只能保存在歷史上的時代。我正在運行迭代，而不是使用Keras內置的時代選項。的

所以與其做4次迭代我現在有

model.fit(......, nb_epoch = 4) 

現在它返回的損失每個時期運行：

print(hist.history) 
{'loss': [1.4358016599558268, 1.399221191623641, 1.381293383180471, h1.3758836857303727]} 

Answer 2

具有「acc」，「loss」等歷史記錄的字典可用並保存在hist.history變量中。

Answer 3

只是一個例子，從

history = model.fit(X, Y, validation_split=0.33, nb_epoch=150, batch_size=10, verbose=0) 

你開始可以使用

print(history.history.keys()) 

列出歷史中的所有數據。

然後，您可以打印確認損失的歷史是這樣的：

print(history.history['val_loss']) 

Answer 4

另一種選擇是CSVLogger：https://keras.io/callbacks/#csvlogger。 它創建一個csv文件，附加每個紀元的結果。即使你打斷了訓練，你也會看到它是如何演變的。