如何使用 keras 绘制训练样本数量的准确性？

Question

我已经看到并使用图表来衡量模型在不同时期的性能（即准确度等），但我也看到某些论文讨论了训练样本数量上准确度性能的进展。 我应该如何继续使用 keras 或其他常见的深度学习库来生成这样的图？

这是一种公平地比较多个模型以获得令人满意的性能所需的训练样本数量的方法吗？

Answer 1

model.fit 调用会生成一个history 对象，其中包括每个时期的损失和指标值。查看https://stackoverflow.com/a/56807595/5666087 以获取类似问题的答案。

该答案的相关代码示例是：

import keras
import matplotlib.pyplot as plt
history = model.fit(x, y, epochs=10)
plt.plot(history.history['accuracy'])
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.show()

不清楚你在训练样本上绘制的数字是什么意思。你的意思是超过模型看到的样本数量吗？在这种情况下，您可以绘制 epoch 数，模型看到的样本数是训练样本数乘以 epoch 数。如果您要训练多个模型并访问不同数量的训练样本，您可以绘制多条线，每个模型一条。