早上好，我是一个Python初学者，正在尝试构建我的第一个神经网络。有什么方法可以绘制R2值随epochs的变化吗？我评估R2值的方式如下：r2_score(y_test_pred, y_test)。我以这种方式构建了一个全连接神经网络：

optimizer = tf.keras.optimizers.Adam(lr=0.001)model = Sequential()# ,kernel_regularizer=l2(c), bias_regularizer=l2(c)model.add(Dense(100, input_shape = (X_train.shape[1],), activation = 'relu',kernel_initializer='glorot_uniform'))model.add(Dropout(0.2))model.add(Dense(100, activation = 'relu',kernel_initializer='glorot_uniform'))model.add(Dropout(0.2))model.add(Dense(100, activation = 'relu',kernel_initializer='glorot_uniform'))model.add(Dense(1,activation = 'linear',kernel_initializer='glorot_uniform'))model.compile(loss = 'mse', optimizer = optimizer, metrics = ['mse'])history = model.fit(X_train, y_train, epochs = 100,                    validation_split = 0.1, shuffle=False, batch_size=250                    )history_dict = history.history

数据集由18个特征和1个标签组成，这是一个回归任务。

回答：

你只需在compile行中添加它即可。

model.compile(loss = 'mse', optimizer = optimizer, metrics = ['mse', r2_score])

如果你想这样做，你需要创建一个可以被Keras理解的指标，

import tf.keras.backend as Kdef r2_score(y_true, y_pred):    SS_res =  K.sum(K.square(y_true - y_pred))     SS_tot = K.sum(K.square(y_true - K.mean(y_true)))     return ( 1 - SS_res/(SS_tot + K.epsilon()) )

代码来自于kaggle

抱歉，我忘记添加Tensorboard部分了。

如果你想查看训练过程中损失/指标的变化，可以使用Tensorboard，如文档中所述

logdir = "logs/" + datetime.now().strftime("%Y%m%d-%H%M%S")tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=logdir)history = model.fit(X_train, y_train, epochs = 100,                    validation_split = 0.1, shuffle=False, batch_size=250, calllbacks=[tensorboard_callback])

然后在终端中使用以下命令访问Tensorboard

tensorboard --logdir logs

然后通过浏览器访问localhost:6006来查看Tensorboard