如何使用keras获得模型的准确性？
如何使用keras获得模型的准确性？
提问于 2018-06-27 00:34:22
在拟合模型(运行了几个小时)之后，我想用以下代码来获得准确性：
train_loss=hist.history['loss']
val_loss=hist.history['val_loss']
train_acc=hist.history['acc']
val_acc=hist.history['val_acc']
xc=range(nb_epoch)训练好的模型，但得到了一个错误，这是由我使用的过时方法引起的。
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
<ipython-input-233-081ed5e89aa4> in <module>()
3 train_loss=hist.history['loss']
4 val_loss=hist.history['val_loss']
----> 5 train_acc=hist.history['acc']
6 val_acc=hist.history['val_acc']
7 xc=range(nb_epoch)
KeyError: 'acc'在尝试读取精度之前，我用来拟合模型的代码如下：
hist = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
verbose=1, validation_data=(X_test, Y_test))
hist = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
verbose=1, validation_split=0.2)它在运行它时会产生以下输出：
Epoch 1/20
237/237 [==============================] - 104s 440ms/step - loss: 6.2802 - val_loss: 2.4209
.....
.....
.....
Epoch 19/20
189/189 [==============================] - 91s 480ms/step - loss: 0.0590 - val_loss: 0.2193
Epoch 20/20
189/189 [==============================] - 85s 451ms/step - loss: 0.0201 - val_loss: 0.2312我注意到我运行的是不推荐使用的方法和参数。
那么，我如何才能读取准确性和val_accuracy，而不必再次拟合，并再次等待几个小时？我试着用train_acc=hist.history['accuracy']替换train_acc=hist.history['acc']，但是没有用。
回答 3
Stack Overflow用户
发布于 2018-06-27 00:41:22
在编译模型时，您可能没有添加"acc“作为度量。
model.compile(optimizer=..., loss=..., metrics=['accuracy',...])您可以使用以下命令从任何数据中获取指标和损失，而无需再次训练：
model.evaluate(X, Y)Stack Overflow用户
发布于 2019-12-03 08:27:58
刚在tensorflow==2.0.0里试过了。结果如下：
给出一个训练电话，比如：
history = model.fit(train_data, train_labels, epochs=100,
validation_data=(test_images, test_labels))上述调用的最终精度可以读出如下：
history.history['accuracy']打印整个dict history.history可以让您了解所有包含的值。您会发现报告的所有值都在下面这样的行中：
7570/7570 [==============================] - 42s 6ms/sample - loss: 1.1612 - accuracy: 0.5715 - val_loss: 0.5541 - val_accuracy: 0.8300可以从那本字典中读出。
为了完整起见，我创建了如下模型：
model.compile(optimizer=tf.optimizers.Adam(learning_rate=0.0001,
beta_1=0.9,
beta_2=0.999,
epsilon=1e-07,
amsgrad=False,
name='Adam'
),
loss='sparse_categorical_crossentropy',
metrics=['accuracy']Stack Overflow用户
发布于 2020-10-23 15:05:32
有一种方法可以获得最高的模型精度，方法是添加回调来序列化该模型，如ModelCheckpoint，并从具有最低损失的历史记录中提取所需的值：
best_model_accuracy = history.history['acc'][argmin(history.history['loss'])]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51047676
复制相关文章
相似问题
腾讯云开发者
