python-3.x - 拟合顺序模型后缺少 val_acc

Question

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, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

我希望在拟合此神经网络后获得有关 ['acc', 'loss', 'val_acc', 'val_loss'] 属性的信息

history = model.fit(X, Y, epochs=100, batch_size=10)

但是进度条上缺少关于val_acc的信息

Epoch 14/100
768/768 [==============================] - 0s 212us/step - loss: 0.4356 - acc: 0.7969
Epoch 15/100
768/768 [==============================] - 0s 219us/step - loss: 0.4388 - acc: 0.8034
Epoch 16/100
768/768 [==============================] - 0s 220us/step - loss: 0.4398 - acc: 0.7956

它在对象历史中也被遗漏了

>>> print (history.history.keys())
dict_keys(['loss', 'acc'])

如何在训练神经网络时获取缺失的属性('val_acc'、'val_loss')？

Answer 1

history = model.fit(X, Y, epochs=100, batch_size=10)

fit 方法中缺少验证数据，因此无法计算验证指标。

• 要么将您的一些训练数据分成验证集并通过它显式地通过 fit 方法的 validation_data 参数

  或

• 使用 fit 方法的 validation_split 参数来使用你的一部分训练数据作为验证数据。示例:validation_split=0.15 将使用 15% 的训练数据作为验证数据。