如何在训练过程中显示由分割模型得到的预测图像？

Question

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)```  

Answer 1

这可以使用回调轻松实现。从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{}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

class CustomCallback(tf.keras.callbacks.Callback):
    def __init__(self):
        super(CustomCallback, self).__init__()
    
    def on_epoch_end(self, epoch, logs=None):
        if epoch % 20 == 0:
            # Do something here
            pass

然后，您可以在培训时将此回调传递到回调列表中