python - 为什么不显示 val_loss 和 val_acc？

Question

训练开始时，运行窗口中只显示loss和acc，缺少val_loss和val_acc。只有在最后，才会显示这些值。

model.add(Flatten())
model.add(Dense(512, activation="relu"))
model.add(Dropout(0.5))
model.add(Dense(10, activation="softmax"))

model.compile(
    loss='categorical_crossentropy',
    optimizer="adam",
    metrics=['accuracy']
)

model.fit(
    x_train,
    y_train,
    batch_size=32, 
    epochs=1, 
    validation_data=(x_test, y_test),
    shuffle=True
)

训练是这样开始的:

Train on 50000 samples, validate on 10000 samples
Epoch 1/1

   32/50000 [..............................] - ETA: 34:53 - loss: 2.3528 - acc: 0.0938
   64/50000 [..............................] - ETA: 18:56 - loss: 2.3131 - acc: 0.0938
   96/50000 [..............................] - ETA: 13:45 - loss: 2.3398 - acc: 0.1146

这是它完成的时候

49984/50000 [============================>.] - ETA: 0s - loss: 1.5317 - acc: 0.4377
50000/50000 [==============================] - 231s 5ms/step - loss: 1.5317 - acc: 0.4378 - val_loss: 1.1503 - val_acc: 0.5951

我想在每一行中查看 val_acc 和 val_loss

Answer 1

验证损失和准确率是在 epoch 结束时计算的，而不是在 batch 结束时计算的。如果您想在每个批处理后计算这些值，则必须使用 on_batch_end() 方法实现您自己的回调并调用 self.model.evaluate()验证集。参见 https://keras.io/callbacks/ .

但是在每个 epoch 之后计算验证损失和准确性会大大减慢您的训练速度，并且不会在网络性能评估方面带来太多影响。