我正在使用Keras训练一个模型，仅训练一个周期：

history = model.fit([x], y,                    validation_split=0.2, epochs=1, batch_size=2)print(history.history['accuracy'])

显然，现在的历史记录中只有周期结束时的一个值。我如何在周期内评估训练的准确率或损失？我希望这些值是在训练过程中控制台显示的值。

明确一点：我希望在每个批次后（而不是像通常那样在每个周期后）记录历史。

回答：

我假设您想在每个批次结束时保存准确率和损失。为此，您需要创建一个自定义回调，如下所示：

class BCP(keras.callbacks.Callback):    batch_accuracy = [] # 给定批次的准确率    batch_loss = [] # 给定批次的损失        def __init__(self):        super(BCP,self).__init__()     def on_train_batch_end(self, batch, logs=None):                        BCP.batch_accuracy.append(logs.get('accuracy'))        BCP.batch_loss.append(logs.get('loss'))

现在在model.fit中包含

callbacks = [BCP()]

然后训练一个周期。在周期结束时，每个批次的准确率和损失值将存储在BCP.batch_accuracy和BCP.batch_loss中。您可以按如下方式打印它们：

print('{0:^4s}{1:^22s}{2:^10s}'.format('Batch', 'Loss', 'Accuracy'))for i in range (len(BCP.batch_accuracy)):    print('{0:^4s}{1:15.5f}{2:15.2f}'.format(str(i), BCP.batch_loss[i], BCP.batch_accuracy[i]* 100))