我正在通过UNET模型使用城市景观图像训练分割模型。输入为256256图像,输出为10242048图像。所以,我想在训练期间每隔20个时代显示预测的1024*2048图像。我在实现中使用了keras
unet.compile(optimizer='adam', loss=masked_loss_function, metrics=[masked_accuracy])
mc = ModelCheckpoint(mode='min',
filepath='cityscape_unet.h5',
monitor='val_loss',
save_best_only='True',
save_weights_only='True',
verbose=1)
callbacks = [mc]
history=unet.fit(train_gen, steps_per_epoch=steps, epochs=70,
validation_data=val_gen, callbacks=callbacks)```
这可以使用回调轻松实现。从}时,当前历元号从0开始。因此,您可以很容易地添加一个条件。下面是一些样板代码
tf.keras.callbacks.Callback
继承时,可以重写on_epoch_end
方法,可以在历元结束后更改该方法以显示绘图。该方法采用两个参数-epoch
和logs
^调用{然后,您可以在培训时将此回调传递到回调列表中
相关问题 更多 >
编程相关推荐