(数時間実行されていた)モデルをフィッティングした後、次のコードで精度を求めました。
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)
トレーニングされたモデルのエラーが発生しました。これは、使用していた非推奨のメソッドが原因です。
---------------------------------------------------------------------------
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'
精度を読み取る前にモデルを適合させるために使用したコードは次のとおりです。
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)
これを実行すると、この出力が生成されます。
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
非推奨のメソッドと引数を実行していることに気付きました。
では、再度適合させる必要がなく、数時間待つことなく、精度とval_accuracyをどのように読み取ることができますか? train_acc=hist.history['acc']
をtrain_acc=hist.history['accuracy']
に置き換えようとしましたが、役に立ちませんでした。
モデルのコンパイル時に、メトリックとして「acc」を追加しなかった可能性があります。
model.compile(optimizer=..., loss=..., metrics=['accuracy',...])
再度トレーニングすることなく、データからメトリックと損失を取得できます。
model.evaluate(X, Y)
tensorflow==2.0.0
で試してみました。結果は次のとおりです。
次のようなトレーニングコールがあるとします。
history = model.fit(train_data, train_labels, epochs=100,
validation_data=(test_images, test_labels))
上記の呼び出しの最終的な精度は、次のように読み取ることができます。
history.history['accuracy']
辞書全体history.history
を印刷すると、含まれているすべての値の概要がわかります。次のような行ですべての値が報告されていることがわかります。
7570/7570 [==============================] - 42s 6ms/sample - loss: 1.1612 - accuracy: 0.5715 - val_loss: 0.5541 - val_accuracy: 0.8300
その辞書から読み取ることができます。
完全を期すために、次のようにモデルを作成しました。
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']
モデルをコンパイルするときに、メトリック= ['accuracy']を追加します
単に最後のエポックの精度を取得します。 hist.history.get( 'acc')[-1]
私が実際に行うことは、GridSearchCVを使用してから、best_score_パラメータを取得して最良のメトリックを出力することです
これが役立つかどうか教えてください