- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有问题 tf.callbacks.ModelChekpoint
.正如您在我的日志文件中看到的那样,警告总是在最后一次迭代之前出现 val_acc
被计算。因此,Modelcheckpoint
永远找不到 val_acc
Epoch 1/30
1/8 [==>...........................] - ETA: 19s - loss: 1.4174 - accuracy: 0.3000
2/8 [======>.......................] - ETA: 8s - loss: 1.3363 - accuracy: 0.3500
3/8 [==========>...................] - ETA: 4s - loss: 1.3994 - accuracy: 0.2667
4/8 [==============>...............] - ETA: 3s - loss: 1.3527 - accuracy: 0.3250
6/8 [=====================>........] - ETA: 1s - loss: 1.3042 - accuracy: 0.3333
WARNING:tensorflow:Can save best model only with val_acc available, skipping.
8/8 [==============================] - 4s 482ms/step - loss: 1.2846 - accuracy: 0.3375 - val_loss: 1.3512 - val_accuracy: 0.5000
Epoch 2/30
1/8 [==>...........................] - ETA: 0s - loss: 1.0098 - accuracy: 0.5000
3/8 [==========>...................] - ETA: 0s - loss: 0.8916 - accuracy: 0.5333
5/8 [=================>............] - ETA: 0s - loss: 0.9533 - accuracy: 0.5600
6/8 [=====================>........] - ETA: 0s - loss: 0.9523 - accuracy: 0.5667
7/8 [=========================>....] - ETA: 0s - loss: 0.9377 - accuracy: 0.5714
WARNING:tensorflow:Can save best model only with val_acc available, skipping.
8/8 [==============================] - 1s 98ms/step - loss: 0.9229 - accuracy: 0.5750 - val_loss: 1.2507 - val_accuracy: 0.5000
这是我训练 CNN 的代码。
callbacks = [
TensorBoard(log_dir=r'C:\Users\reda\Desktop\logs\{}'.format(Name),
histogram_freq=1),
ModelCheckpoint(filepath=r"C:\Users\reda\Desktop\checkpoints\{}".format(Name), monitor='val_acc',
verbose=2, save_best_only=True, mode='max')]
history = model.fit_generator(
train_data_gen,
steps_per_epoch=total_train // batch_size,
epochs=epochs,
validation_data=val_data_gen,
validation_steps=total_val // batch_size,
callbacks=callbacks)```
最佳答案
我知道这些事情有时会令人沮丧……但是 tensorflow 要求您明确写出要计算的指标的名称
您实际上需要说“val_accuracy”
metric = 'val_accuracy'
ModelCheckpoint(filepath=r"C:\Users\reda.elhail\Desktop\checkpoints\{}".format(Name), monitor=metric,
verbose=2, save_best_only=True, mode='max')]
关于python - tensorflow:仅当 val_acc 可用时才能保存最佳模型,跳过,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61505749/
val_acc 的值在历元内不会改变。 摘要: 我使用的是来自 Keras 的预训练 (ImageNet) VGG16; from keras.applications import VGG16 co
构建序列 simple_seq= [x for x in list(range(1000)) if x % 3 == 0] reshape 和分割后 x_train, x_test shape = (
在我的 Keras 代码中,我执行了以下操作: model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['acc
当我拟合编译的顺序模型时,我缺少有关“val_acc”属性的信息。 我有一个使用“准确性”指标编译的顺序模型 model = Sequential() model.add(Dense(12, inpu
我正在训练猫/狗分类器。 我的模型是: model.add(layers.Conv2D(32, (3, 3), activation='relu', i
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, a
我正在尝试通过 Theano 实现 CNN。我使用了 Keras 库。我的数据集是 55 个字母图像,28x28。 在最后一部分中,我收到此错误: train_acc=hist.history['ac
我有问题 tf.callbacks.ModelChekpoint .正如您在我的日志文件中看到的那样,警告总是在最后一次迭代之前出现 val_acc被计算。因此,Modelcheckpoint永远找不
我正在训练神经网络并得到以下输出。 loss 和 val_loss 都在减少,这让我很高兴。然而,val_acc 保持不变。这能有什么原因呢?我的数据非常不平衡,但我通过 sklearn comput
我使用 CNN 进行语义分割,创建 4 个输出分支,并自定义损失函数。 我正在使用以下版本: Keras 2.2.4 Python 3.6.8 tensorflow 1.12.0 训练时,进度条上不显
我试图在 keras 中绘制训练和测试学习曲线,但是,以下代码生成 KeyError: 'val_acc error . 官方文档说明为了使用 'val_acc'我需要启用我不了解也不知道如何在我的代
我将运行一些更大的模型并想尝试中间结果。 因此,我尝试在每个 epoch 之后使用检查点来保存最佳模型。 这是我的代码: model = Sequential() model.add(LSTM(700
我在 Keras 中记录“val_loss”和“val_acc”时遇到问题。 'loss' 和 'acc' 很容易,因为它们总是记录在 model.fit 的历史记录中。 如果在 fit 中启用验证,
我使用 metrics=['accuracy'] 编译了一个模型,并且我获得的值始终高于验证准确度 val_acc。例如: Epoch 19/20 53/53 [===================
我实现了一个数据生成器,将我的训练数据分成 256 个小批量,以避免内存错误。它在训练数据上运行,但在每个时期结束时不显示验证损失和验证准确性。我还将数据生成器应用于验证数据并定义了验证步骤。我不知道
我创建了一个用于序列分类(二进制)的 LSTM 网络,其中每个样本有 25 个时间步长和 4 个特征。以下是我的keras网络拓扑: 上图,Dense层之后的激活层使用了softmax函数。我使用 b
我是 Keras 的新手,对如何理解我的模型结果有一些疑问。这是我的结果:(为方便起见,我只在每个 epoch 之后粘贴 loss acc val_loss val_acc) 对 4160 个样本进行
model.compile(loss='categorical_crossentropy', optimizer=keras.optimizers.Adam(), metrics=['accuracy
CNN 使用大约 27.000 个图像样本,具有非常好的性能,但突然间,在第 42 轮,验证精度急剧下降(从 val_acc:0.9982 到 val_acc:0.0678)!任何想法?我应该停止最大
model.compile(loss='categorical_crossentropy', optimizer=keras.optimizers.Adam(), metrics=['accuracy
我是一名优秀的程序员,十分优秀!