如何在CNN中绘制epoch vs. val_acc和epoch vs. val_loss图？

在CNN中绘制epoch vs. val_acc和epoch vs. val_loss图，可以通过使用Python中的matplotlib库来实现。

首先，需要在训练过程中记录每个epoch的验证准确率（val_acc）和验证损失（val_loss）。这可以通过在训练过程中使用回调函数来实现。以下是一个示例代码：

import matplotlib.pyplot as plt

# 在训练过程中记录每个epoch的val_acc和val_loss
history = model.fit(x_train, y_train, validation_data=(x_val, y_val), epochs=10, callbacks=[history_callback])

# 获取每个epoch的val_acc和val_loss
val_acc = history.history['val_acc']
val_loss = history.history['val_loss']

# 绘制epoch vs. val_acc图
plt.plot(range(1, len(val_acc)+1), val_acc, 'b', label='Validation Accuracy')
plt.title('Epoch vs. Validation Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Validation Accuracy')
plt.legend()
plt.show()

# 绘制epoch vs. val_loss图
plt.plot(range(1, len(val_loss)+1), val_loss, 'r', label='Validation Loss')
plt.title('Epoch vs. Validation Loss')
plt.xlabel('Epoch')
plt.ylabel('Validation Loss')
plt.legend()
plt.show()

在上述代码中，model.fit()函数用于训练模型，并通过validation_data参数传入验证集数据。history_callback是一个回调函数，用于记录每个epoch的验证指标。

通过history.history可以获取训练过程中的指标值，例如val_acc和val_loss。然后，使用plt.plot()函数绘制epoch vs. val_acc和epoch vs. val_loss图。最后，使用plt.show()函数显示图像。

请注意，上述代码中的model是一个示例模型，你需要根据实际情况替换为你自己的CNN模型。

推荐的腾讯云相关产品和产品介绍链接地址：