如何使用keras获得模型的准确性？

Question

拟合模型（运行了几个小时）之后，我想通过以下代码获得准确性：

train_loss=hist.history['loss']
val_loss=hist.history['val_loss']
train_acc=hist.history['acc']
val_acc=hist.history['val_acc']
xc=range(nb_epoch)

训练模型的结果，但出现错误，这是由于我使用的方法过时所致。

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-233-081ed5e89aa4> in <module>()
      3 train_loss=hist.history['loss']
      4 val_loss=hist.history['val_loss']
----> 5 train_acc=hist.history['acc']
      6 val_acc=hist.history['val_acc']
      7 xc=range(nb_epoch)

KeyError: 'acc'

在尝试读取精度之前，我用来拟合模型的代码如下：

hist = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
            verbose=1, validation_data=(X_test, Y_test))


hist = model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch, 
            verbose=1, validation_split=0.2)

运行时会产生以下输出：

Epoch 1/20
237/237 [==============================] - 104s 440ms/step - loss: 6.2802 - val_loss: 2.4209
    .....
    .....
    .....
Epoch 19/20
    189/189 [==============================] - 91s 480ms/step - loss: 0.0590 - val_loss: 0.2193
    Epoch 20/20
    189/189 [==============================] - 85s 451ms/step - loss: 0.0201 - val_loss: 0.2312

我注意到我正在运行不推荐使用的方法和参数。

那么，如何在不再次适应的情况下又再等待几个小时的情况下读取精度和val_accuracy？我尝试替换为train_acc=hist.history['acc']，train_acc=hist.history['accuracy']但没有帮助。

Answer 1

编译模型时，您可能没有添加“ acc”作为指标。

model.compile(optimizer=..., loss=..., metrics=['accuracy',...])

您可以从任何数据中获取指标和损失，而无需再次进行以下培训：

model.evaluate(X, Y)

Answer 2

刚刚试了一下tensorflow==2.0.0。结果如下：

给定一个培训电话，如：

history = model.fit(train_data, train_labels, epochs=100,
                    validation_data=(test_images, test_labels))

上述调用的最终精度可以读出如下：

history.history['accuracy']

打印整个 dict 可以history.history让您概览所有包含的值。您会发现在一行中报告了所有值，例如：

7570/7570 [==============================] - 42s 6ms/sample - loss: 1.1612 - accuracy: 0.5715 - val_loss: 0.5541 - val_accuracy: 0.8300

可以从那个字典中读出。

为了完整起见，我创建了如下模型：

model.compile(optimizer=tf.optimizers.Adam(learning_rate=0.0001,
                                       beta_1=0.9,
                                       beta_2=0.999,
                                       epsilon=1e-07,
                                       amsgrad=False,
                                       name='Adam'
                                       ),
          loss='sparse_categorical_crossentropy',
          metrics=['accuracy']

Answer 3

1. 编译模型时添加一个 metrics = ['accuracy']

2. 只需获得最后一个时代的准确性。hist.history.get('acc')[-1]

3. 我实际上会做的是使用 GridSearchCV 然后获取 best_score_ 参数来打印最佳指标