在Keras训练的每一个阶段之后如何预测？

Question

我希望在每个训练阶段之后可视化并保存验证数据的预测。在某种程度上，我可以进一步利用这些预测进行离线分析。在

我知道keras的回调功能可能有用，但我想了解如何在model.fit()中使用它。在

Answer 1

You can write your own callback function and then call it within your model_fit() method

请参阅官方Keras文档here：

class LossHistory(keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        self.losses = []

    def on_batch_end(self, batch, logs={}):
        self.losses.append(logs.get('loss'))

model = Sequential()
model.add(Dense(10, input_dim=784, kernel_initializer='uniform'))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

history = LossHistory()
model.fit(x_train, y_train, batch_size=128, epochs=20, verbose=0, callbacks=[history])

print(history.losses)
# outputs
'''
[0.66047596406559383, 0.3547245744908703, ..., 0.25953155204159617, 0.25901699725311789]
'''

显然不是为了挽回损失，并增加损失。您也可以调用model.predict()并将结果保存在您自己的callback中。在