当你运行Keras神经网络模型时，你可能会在控制台看到类似这样的内容：

Epoch 1/3   6/1000 [..............................] - ETA: 7994s - loss: 5111.7661

随着时间的推移，损失值可能会有所改善。我希望能够将这些损失值随时间记录到文件中，以便从中学习。我尝试过以下方法：

logging.basicConfig(filename='example.log', filemode='w', level=logging.DEBUG)

但这不起作用。我不确定在这种情况下需要什么级别的日志记录。

我还尝试使用回调函数，如下所示：

def generate_train_batch():    while 1:        for i in xrange(0,dset_X.shape[0],3):            yield dset_X[i:i+3,:,:,:],dset_y[i:i+3,:,:]class LossHistory(keras.callbacks.Callback):    def on_train_begin(self, logs={}):        self.losses = []    def on_batch_end(self, batch, logs={}):        self.losses.append(logs.get('loss'))logloss=LossHistory()colorize.fit_generator(generate_train_batch(),samples_per_epoch=1000,nb_epoch=3,callbacks=['logloss'])

但显然这并不会写入文件。无论是通过回调函数、日志模块还是其他任何方法，我都希望听到你们关于将Keras神经网络的损失记录到文件中的解决方案。谢谢！

回答：

你的问题有一个简单的解决方案。每当使用任何fit方法时，都会返回一个名为历史回调的特殊回调。它有一个名为history的字段，这是一个字典，包含每轮训练后注册的所有指标。因此，要获取每轮训练后的损失函数值列表，你可以轻松地这样做：

history_callback = model.fit(params...)loss_history = history_callback.history["loss"]

将这样的列表保存到文件中很容易（例如，通过将其转换为numpy数组并使用savetxt方法）。

更新：

尝试以下方法：

import numpynumpy_loss_history = numpy.array(loss_history)numpy.savetxt("loss_history.txt", numpy_loss_history, delimiter=",")

更新2：

关于每批次记录损失的问题的解决方案可以在Keras回调文档的创建回调段落中找到。