测试精度评估回调答案

【问题标题】：Test accuracy evaluation Callback测试精度评估回调
【发布时间】：2021-04-16 14:05:01
【问题描述】：

我想在神经网络训练期间计算每个 epoch 之后的测试准确度。简单的解决方案是：

for i in range(NUM_EPOCHS): 
    model.fit(train_dataset,epochs=1)
    accuracy = model.evaluate(test_dataset)
    test_accuracy_list.append(accuracy)

有没有更多使用回调的模块化解决方案？

【问题讨论】：

标签： tensorflow keras tensorflow2.0

【解决方案1】：

你需要的是on_epoch_end

class EvaluateEpochEnd(tf.keras.callbacks.Callback):
    def __init__(self, test_data):
        self.test_data = test_data

    def on_epoch_end(self, epoch, logs={}):
        x, y = self.test_data
        scores = self.model.evaluate(x, y, verbose=False)
        print('\nTesting loss: {}, accuracy: {}\n'.format(scores[0], scores[1]))

用法：

model.fit(x_train, y_train, epochs=5, callbacks=[EvaluateEpochEnd((x_test, y_test))])

将给予：

Epoch 1/5
1875/1875 [==============================] - 6s 3ms/step - loss: 0.4784 - accuracy: 0.8619

Testing loss: 0.14208272099494934, accuracy: 0.9574000239372253

【讨论】：

谢谢！我认为这是最优雅的解决方案

【解决方案2】：

您可以使用自定义训练循环，例如 this

您提到的方法不正确，您指定的方法不会做要求的事情。相反，它会多次调用 fit 函数。

keras fit 函数只返回 step loss/acc 而不是 epoch loss/acc

【讨论】：

你能扩展你的答案吗？我相信以 epochs=1 运行适合 100 次与以 epochs=100 运行一次适合是相同的。关于您的回答，我确实需要一个自定义训练循环，但我不知道如何编写返回测试准确度向量的自定义回调