TensorFlow `model.fit()` 打印输出答案

【问题标题】：Tensorflow `model.fit()` printoutTensorFlow `model.fit()` 打印输出
【发布时间】：2020-11-15 20:14:38
【问题描述】：

在拟合模型时，而不是分数 / ETA 覆盖的 Epochs 的正常日志，它会将它们全部打印出来。

model = models.Sequential()

model.add(layers.Embedding(num_words, embedding_size))
model.add(layers.Bidirectional(layers.GRU(64, return_sequences=True)))
model.add(layers.Bidirectional(layers.GRU(64)))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(32, activation='relu'))
model.add(layers.Dropout(0.2))
model.add(layers.Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',
              optimizer='adam',
              metrics=metrics)
model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val))

打印：

195/317 [==================>............] - ETA：23s - 损失：0.5989 - 准确度：0.0000 e+00 - 精度：0.6656 - 召回：0.49 - ETA：22s - 损失：0.5992 - 准确度：0.0000e+00 - 精度：0.6652 - 召回：0.49 - ETA：22s - 损失：0.5987 - 准确度：0.0000e+00 -精度：0.6659 - 召回：0.49 - ETA：22 秒 - 损失：0.5974 - 准确度：0.0000e+00 - 精度：0.6673 - 召回：0.49 - ETA：22 秒 - 损失：0.5964 - 准确度：0.0000e+00 - 精度：0.6671 -召回：0.49 - ETA：22s - 损失：0.5969 - 准确度：0.0000e+00 - 精确度：0.6680 - 召回：0.49 - ETA：22s - 损失：0.5967 - 准确度：0.0000e+00 - 准确度：0.6677 - 召回：0.49 - ETA：22s - 损失：0.5968 - 准确度：0.0000e+00 - 精度：0.6678 - 召回：0.50 - ETA：22s - 损失：0.5954 - 准确度：0.0000e+00 - 准确度：0.6678 - 召回：0.50 - ETA：22s -损失：0.5952 - 准确度：0.0000e+00 - 精确度：0.6681 - 召回：0.50 - ETA：22s - 损失：0.5943 - 准确度：0.0000e+00 - 精确度：0.6689 - 召回：0.50 - ETA：21s - 损失：0.5941 -准确的活泼：0.0000e+00 - 精度：0.6678 - 召回：0.50 - ETA：21s - 损失：0.5931 - 准确度：0.0000e+00 - 精度：0.6681 - 召回：0.50 - ETA：21s - 损失：0.5931 - 准确度：0.0000e +00 - 精度：0.6678 - 召回：0.51 - ETA：21 秒 - 损失：0.5927 - 准确度：0.0000e+00 - 精度：0.6675 - 召回：0.51 - ETA：21 秒 - 损失：0.5922 - 准确度：0.0000e+00 - 精度：0.6675 - 召回：0.51 - ETA：21s - 损失：0.5926 - 准确度：0.0000e+00 - 准确度：0.6673 - 召回：0.51 - ETA：21s - 损失：0.5915 - 准确度：0.0000e+00 - 准确度：0.6695 - 召回：0.51 - ETA：21s - 损失：0.5915 - 准确度：0.0000e+00 - 精确度：0.6681 - 召回：0.51 - ETA：21s - 损失：0.5914 - 准确度：0.0000e+00 - 精确度：0.6680 - 召回：0.51 - ETA ：21s - 损失：0.5907 - 准确度：0.0000e+00 - 精确度：0.6683 - 召回：0.51 - ETA：21s - 损失：0.5905 - 准确度：0.0000e+00 - 精确度：0.6687 - 召回：0.52 - ETA：20s - 损失：0.5895 - 准确度：0.0000e+00 - 精度：0.6697 - 召回：0.52 - ETA：20s - 损失：0.588 2 - 准确度：0.0000e+00 - 准确度：0.6710 - 召回：0.52 - ETA：20 秒 - 损失：0.5872 - 准确度：0.0000e+00 - 准确度：0.6707 - 召回：0.52 - ETA：20 秒 - 损失：0.5864 - 准确度： 0.0000e+00 - 精度：0.6706 - 召回：0.52 - ETA：20s - 损失：0.5857 - 准确度：0.0000e+00 - 精度：0.6709 - 召回：0.52 - ETA：20s - 损失：0.5842 - 准确度：0.0000e+00 - 精度：0.6717 - 召回：0.52 - ETA：20 秒 - 损失：0.5828 - 准确度：0.0000e+00 - 精度：0.6723 - 召回：0.52 - ETA：20 秒 - 损失：0.5812 - 准确度：0.0000e+00 - 精度：0.6733 - 召回：0.53 - ETA：20 秒 - 损失：0.5818 - 准确度：0.0000e+00 - 精确度：0.6744 - 召回：0.52 - 预计到达时间：20 秒 - 损失：0.5818 - 准确度：0.0000e+00 - 准确度：0.6755 - 召回：0.52 - ETA：19 秒 - 损失：0.5807 - 准确度：0.0000e+00 - 精度：0.6763 - 召回：0.53 - ETA：19 秒 - 损失：0.5810 - 准确度：0.0000e+00 - 精度：0.6774 - 召回：0.52 - ETA：19 秒- 损失：0.5793 - 准确度：0.0000e+00 - 精度：0.6782 - 召回：0.53 - ETA：19s - 损失s：0.5791 - 准确度：0.0000e+00 - 精确度：0.6794 - 召回：0.53 - ETA：19s - 损失：0.5786 - 准确度：0.0000e+00 - 精确度（. . . )

...一直在...

Tensorflow 版本：2.3.1

有什么想法吗？我在任何地方都找不到任何东西。

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

model.fit() 在 jupyter notebook 上显示真实结果。如果您使用 IDLE pyhton，则会显示此类结果。

尝试使用详细的 0 或 2，

0 = 没有结果
1 = 每批次后的结果
2 = 每个时期后的结果

model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val),verbose=0)

或

model.fit(X_train, y_train, epochs=10, batch_size=64, validation_data=(X_val, y_val),verbose=2)

【讨论】：

确实 - verbose=2 非常正确。但是我确实错过了进度条，所以它是“恢复正常”，但我认为这已经足够了......

【解决方案2】：

我认为这是由您选择的指标引起的： model.compile(loss='binary_crossentropy',optimizer='adam',metrics=metrics)

这应该可以解决问题： model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])

您当然可以填写您感兴趣的指标。

【讨论】：

对不起，这并没有解决打印语句。通过 accuracy 或任何其他指标不会改变任何东西。在这种情况下，指标是 ``metrics = [ tf.keras.metrics.BinaryAccuracy(), tf.keras.metrics.Precision(), tf.keras.metrics.Recall() ] ``