Keras 中回调和进度条的准确性不匹配

Question

我正在尝试学习 Keras 并使用 LSTM 解决分类问题。我希望能够在训练期间绘制准确性和损失并更新绘图。为此，我正在使用回调函数。由于某种原因，我在回调中收到的准确性和损失与 fit 函数打印的准确性和损失不匹配。

以下是我的代码的相关行：

class PlotCallbacks(Callback):
    def on_batch_end(self, batch, logs={}):
        print(logs)
        return

# Create the model
model = Sequential()
model.add(Embedding(top_words, embedding_vector_length,input_length=max_conv_length))
model.add(LSTM(300))
model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, callbacks=[PlotCallbacks()], nb_epoch=1, batch_size=3, verbose=1)

运行程序时，我得到这个输出（每批的第一行由回调打印，第二行由model.fit打印）：

    Epoch 1/1
{'acc': 0.0, 'loss': 1.1038421, 'batch': 0, 'size': 3}
 3/25 [==>...........................] - ETA: 27s - loss: 1.1038 - acc: 0.0000e+00   

 {'acc': 1.0, 'loss': 1.0622898, 'batch': 1, 'size': 3}
 6/25 [======>.......................] - ETA: 19s - loss: 1.0831 - acc: 0.5000       

 {'acc': 1.0, 'loss': 0.91526389, 'batch': 2, 'size': 3}
 9/25 [=========>....................] - ETA: 13s - loss: 1.0271 - acc: 0.6667   

 {'acc': 1.0, 'loss': 0.36570337, 'batch': 3, 'size': 3}
12/25 [=============>................] - ETA: 11s - loss: 0.8618 - acc: 0.7500

{'acc': 1.0, 'loss': 0.1433304, 'batch': 4, 'size': 3}
15/25 [=================>............] - ETA: 9s - loss: 0.7181 - acc: 0.8000

{'acc': 1.0, 'loss': 0.041385528, 'batch': 5, 'size': 3}
18/25 [====================>.........] - ETA: 6s - loss: 0.6053 - acc: 0.8333

{'acc': 1.0, 'loss': 0.011424608, 'batch': 6, 'size': 3}
21/25 [========================>.....] - ETA: 3s - loss: 0.5205 - acc: 0.8571

{'acc': 1.0, 'loss': 0.0034991663, 'batch': 7, 'size': 3}
24/25 [===========================>..] - ETA: 1s - loss: 0.4558 - acc: 0.8750

{'acc': 1.0, 'loss': 0.0012318328, 'batch': 8, 'size': 1}
25/25 [==============================] - 26s - loss: 0.4377 - acc: 0.8800    

我尝试打印 logs.get('acc')，并将精度保存到 PlotCallbacks 对象中的列表并打印该列表，但问题仍然存在。

有谁知道问题可能是什么？

谢谢

Answer 1

on_batch_end()类型回调函数获取刚刚训练的批次的准确性。而 keras 打印的日志是当前 epoch 中看到的所有批次的平均值。您可以在日志中轻松观察到......假设在前 2 个批次中，一个准确度为0.0和1.0，这使得 2 个批次的总体准确度被视为0.5000。这正是计算平均值的地方。

此外，准确性作为指标通常会从一个纪元报告到另一个纪元，因此您可以将回调更改为on_epoch_end().