performance - 如何将准确度绘制为 Keras 中处理时间的函数？

Question

我一直在用 Keras 训练一个 CNN，并将训练和验证准确度绘制为 epoch 的函数。我想知道是否有一种方法可以将准确性绘制为处理时间的函数。

原因是我想展示迁移学习的速度，而不是重新训练一个完整的网络。当使用迁移学习时，网络需要相似数量的 epoch 来训练、给予或接受，但每个 epoch 花费的时间要少得多(快一个数量级)，我想以图形方式捕捉这一点。

这是我迄今为止一直在使用的代码:

history = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch, verbose=1, validation_data=(X_test, Y_test))

print(history.history.keys())
# summarize history for accuracy
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='lower right')
plt.show()

Answer 1

因此，在 Keras 中实现一段代码来执行您的任务实际上非常简单。为了做到这一点 - 最好熟悉 keras.callback .可以在以下位置调用自定义函数:
on_epoch_begin : 在每个纪元开始时调用。
on_epoch_end : 在每个纪元结束时调用，
on_batch_begin : 在每批开始时调用，
on_batch_end : 在每批结束时调用，
on_train_begin :在模型训练开始时调用，
on_train_end : 在模型训练结束时调用。

所以现在你可以实现例如一个新的回调，它将:

注册开始训练时间 on_train_begin ,

在每个时期结束时，它将使用 on_epoch_end 注册计算结束的实际时间。在 dict提供，

注册培训结束on_train_end .

通过使用此回调收集的数据，您可以轻松地以多种方式呈现时间和准确性之间的依赖关系。当然 - 它可以很容易地扩展到 batch/iterations时间段。