1。
model.fit(X, y, nb_epoch=40, batch_size=32, validation_split=0.2, verbose=1)
在上述对的更改中
verbose=2，如文档中所述：“详细：0表示不记录到stdout，1表示进度条记录，”
2 for one log lineper epoch。
它将输出显示为：
Epoch 1/1000s - loss: 0.2506 - acc: 0.5750 - val_loss: 0.2501 - val_acc: 0.3750Epoch 2/1000s - loss: 0.2487 - acc: 0.6250 - val_loss: 0.2498 - val_acc: 0.6250Epoch 3/1000s - loss: 0.2495 - acc: 0.5750 - val_loss: 0.2496 - val_acc: 0.6250..........
2。
如果要显示进度条以完成纪元，请保留
verbose=0（关闭记录到stdout的日志）并以以下方式实现：
from time import sleepimport sysepochs = 10for e in range(epochs): sys.stdout.write('r') for X, y in data.next_batch(): model.fit(X, y, nb_epoch=1, batch_size=data.batch_size, verbose=0) # print loss and accuracy # the exact output you're looking for: sys.stdout.write("[%-60s] %d%%" % ('='*(60*(e+1)/10), (100*(e+1)/10))) sys.stdout.flush() sys.stdout.write(", epoch %d"% (e+1)) sys.stdout.flush()输出将如下所示：
[================================================= ===========] 100％，纪元10
3。
如果要每n个批次显示一次损失，可以使用：
out_batch = NBatchLogger(display=1000)model.fit([X_train_aux,X_train_main],Y_train,batch_size=128,callbacks=[out_batch])
不过，我以前从未尝试过。上面的示例来自于这个keras github问题：Show Loss N N
Batchs＃2850
您还可以在
NBatchLogger此处进行演示：
class NBatchLogger(Callback): def __init__(self, display): self.seen = 0 self.display = display def on_batch_end(self, batch, logs={}): self.seen += logs.get('size', 0) if self.seen % self.display == 0: metrics_log = '' for k in self.params['metrics']: if k in logs: val = logs[k] if abs(val) > 1e-3: metrics_log += ' - %s: %.4f' % (k, val) else: metrics_log += ' - %s: %.4e' % (k, val) print('{}/{} ... {}'.format(self.seen, self.params['samples'], metrics_log))4。
您也可以使用
progbar进度，但它会分批打印进度
from keras.utils import generic_utilsprogbar = generic_utils.Progbar(X_train.shape[0])for X_batch, Y_batch in datagen.flow(X_train, Y_train): loss, acc = model_test.train([X_batch]*2, Y_batch, accuracy=True) progbar.add(X_batch.shape[0], values=[("train loss", loss), ("acc", acc)])
