在模型训练完毕（运行了几小时后），我想通过以下代码获取准确率：

train_loss=hist.history['loss']
val_loss=hist.history['val_loss']
train_acc=hist.history['acc']
val_acc=hist.history['val_acc']
xc=range(nb_epoch)

然而，在尝试获取训练模型的准确率时，我遇到了错误，这是由于我使用了已废弃的方法所导致的。

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-233-081ed5e89aa4> in <module>()
      3 train_loss=hist.history['loss']
      4 val_loss=hist.history['val_loss']
----> 5 train_acc=hist.history['acc']
      6 val_acc=hist.history['val_acc']
      7 xc=range(nb_epoch)
KeyError: 'acc'

在尝试读取准确率之前，我用来拟合模型的代码如下：

hist = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
            verbose=1, validation_data=(X_test, Y_test))
hist = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
             verbose=1, validation_split=0.2)

运行上述代码时，输出的结果如下：

Epoch 1/20
237/237 [==============================] - 104s 440ms/step - loss: 6.2802 - val_loss: 2.4209
    .....
    .....
    .....
Epoch 19/20
    189/189 [==============================] - 91s 480ms/step - loss: 0.0590 - val_loss: 0.2193
    Epoch 20/20
    189/189 [==============================] - 85s 451ms/step - loss: 0.0201 - val_loss: 0.2312

我注意到我使用了一些已废弃的方法和参数。

那么，如何在不重新拟合模型并再次等待几个小时的情况下读取准确率和验证准确率呢？我尝试将train_acc=hist.history['acc']替换为train_acc=hist.history['accuracy']，但这并没有解决问题。

回答：

你可能在编译模型时没有将”acc”添加为度量标准。

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

你可以使用以下代码在不重新训练的情况下从任何数据中获取度量标准和损失：

model.evaluate(X, Y)