我们如何从之前保存的 Keras 模型中绘制准确率和损失图？

Question

有没有办法从之前保存的 CNN 模型中绘制准确率和损失图？ 还是只能在训练和评估模型时绘制图表？

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(_NUM_CLASSES, activation='softmax'))
model.compile(optimizer='rmsprop', loss='categorical_crossentropy',metrics= 
              ["accuracy"])
model.fit(x_train, y_train,
          batch_size=_BATCH_SIZE,
          epochs=_EPOCHS,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
model.save('model.h5')

Answer 1

在 Keras 中保存模型的可用选项都不包括 训练历史，这正是您在这里所要求的。为了保持这个历史可用，你必须对你的训练代码做一些简单的修改，以便单独保存它；这是一个基于 Keras MNIST example 且只有 3 个训练时期的可重现示例：

hist = model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=3,
          verbose=1,
          validation_data=(x_test, y_test))

hist 是一个 Keras 回调，它包含一个 history 字典，其中包含您要查找的指标：

hist.history
# result:
{'acc': [0.9234666666348775, 0.9744000000317892, 0.9805999999682109],
 'loss': [0.249011807457606, 0.08651042315363884, 0.06568188704450925],
 'val_acc': [0.9799, 0.9843, 0.9876],
 'val_loss': [0.06219216037504375, 0.04431889447008725, 0.03649089169385843]}

即每个训练时期（此处为 3）的训练和验证指标（此处为损失和准确性）。

现在使用Pickle 保存此字典并根据需要恢复它是微不足道的：

import pickle

# save:
f = open('history.pckl', 'wb')
pickle.dump(hist.history, f)
f.close()

# retrieve:    
f = open('history.pckl', 'rb')
history = pickle.load(f)
f.close()

这里的简单检查确认原始变量和检索到的变量确实相同：

hist.history == history
# True

Answer 2

这取决于您保存模型的方式。

一般来说有两种情况，第一种是保存和加载整个模型（包括架构和权重）：

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
...
model = load_model('my_model.h5')

第二个是只保存权重：

def create_model():
   model = Sequential() 
   # ... creating the model exactly as it was defined in the training time

# You must create the model since loading only the weights
model = create_model()
model.load_weights('my_model_weights.h5')

更多详情请阅读Keras documentation