如何在训练 Keras 功能 API 模型时打印不同激活层的准确性？ Tensorflow Python

问题描述

我使用 Functional API 创建了一个具有三个不同输出层的模型，以测试不同的激活函数。问题是每个 epoch 的输出行太长了。我只想看准确率，而不是损失。

Epoch 1/5
1875/1875 - 4s - loss: 3.7070 - Sigmoid_loss: 1.1836 - softmax_loss: 1.2291 - Softplus_loss: 1.2943 - Sigmoid_accuracy: 0.9021 - softmax_accuracy: 0.9020 - Softplus_accuracy: 0.5787

我不希望 .fit() 函数打印每一层的损失，只打印精度。我搜索了所有 Google 和 Tensorflow 文档，但找不到如何操作。

如果你想要完整的代码，请评论这篇文章。我会立即发送。

这是模型的摘要：

Model: "model"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
InputLayer (InputLayer)         [(32,784)]          0                                            
__________________________________________________________________________________________________
FirstHidden (Dense)             (32,512)            401920      InputLayer[0][0]                 
__________________________________________________________________________________________________
SecondHidden (Dense)            (32,256)            131328      FirstHidden[0][0]                
__________________________________________________________________________________________________
Sigmoid (Dense)                 (32,10)             2570        SecondHidden[0][0]               
__________________________________________________________________________________________________
softmax (Dense)                 (32,10)             2570        SecondHidden[0][0]               
__________________________________________________________________________________________________
Softplus (Dense)                (32,10)             2570        SecondHidden[0][0]               
==================================================================================================
Total params: 540,958
Trainable params: 540,958
Non-trainable params: 0
__________________________________________________________________________________________________
None

谢谢你，祝你有美好的一天。

解决方法

这是我对自定义回调的拍摄。注意我假设 Sigmoid_accuracy、Softmax_accuracy 和 Softplus_accuracy 之前在 model.compile 中定义为度量。 这是自定义回调的代码

class Print_Acc(keras.callbacks.Callback):
    def __init__(self):
        super(Print_Acc,self).__init__() 
        
    def on_epoch_end(self,epoch,logs=None):  # method runs on the end of each epoch
        sig_acc=logs.get('Sigmoid_accuracy')  
        softmax_acc =logs.get('Softmax_accuracy')
        softplus_acc =logs.get('Softplus_accuracy')
        print('For epoch ',' sig acc= ',sig_acc,' softmac acc= ',softmax_acc,' softplus acc= ',softplus_acc)

在 model.fit 中包含 callbacks=[Print_Acc]