我正在尝试一些人工智能实验，我有一个模型，希望以预先选择且形状不规则的批次进行训练。

这是我目前的代码：

model = create_model(units_vector, (inp_shape,), lr)for i in range(epochs):    for batch in batches:        model.fit(batch[0], batch[1], epochs=1, verbose=0)

函数 create_model 定义了一个简单的模型（仅包含全连接层），并使用 mse 和 Adam 进行编译。

batches 是一个元组列表，存储了输入和输出（以numpy数组形式）。

我希望在每个epoch结束时打印模型经历的损失。或者找到一种方法来检查模型是否在学习，而不需要在每个批次结束时打印消息（这会产生过多的输出）。

回答：

这里有一个简单的方法可以在每个epoch结束时打印损失。你可以通过 model.history.history 访问损失。你也可以根据需要修改消息内容

epochs = 5n_batches = 20n_features = 10batches = [[np.random.uniform(0,1, (1,n_features)), np.random.uniform(0,1, (1,1))] for _ in range(n_batches)]inp = Input((n_features,))x = Dense(32)(inp)out = Dense(1)(x)model = Model(inp, out)model.compile('adam', 'mse')for i in range(epochs):    for batch in batches:        model.fit(batch[0], batch[1], epochs=1, verbose=0)    print(f"EPOCH {i}", model.history.history)

输出示例：

EPOCH 0 {'loss': [0.9013449549674988]}EPOCH 1 {'loss': [0.7315107583999634]}EPOCH 2 {'loss': [0.5937882661819458]}EPOCH 3 {'loss': [0.5331881046295166]}EPOCH 4 {'loss': [0.47262871265411377]}