我試圖通過查看它對每個批次更新的圖上實際 y 值的預測來查看我的模型如何進行加班訓練，我用谷歌搜索了它是如何完成的并且非常令人困惑，我讓它最接近工作的是這里添加的代碼：def cb(x, y_true): def _(batch, logs): s,e=batch*batch_size,(batch+1)*batch_size y_pred = model.predict( x[s:e], batch_size=batch_size ) plt.clf() plt.plot(y_true[s:e], label='true') plt.plot(y_pred, label='pred') plt.legend() plt.show() return _cb_plot=keras.callbacks.LambdaCallback(on_batch_end=cb(train_X,train_y))這樣做的問題是我每次都需要手動關閉圖形才能繼續訓練，因為它show被阻塞了。我嘗試使用block=False并嘗試啟用交互式使用，ion但這讓我進入了一個空的白色無響應圖形窗口。任何人都知道這里需要更改什么才能使其正常工作？順便說一句，我沒有看到 TensorBoard 可以向您展示模型通過訓練所做的預測與實際 y 值相比，是否有可能在 tensorboard 中看到它而不是手動實現它？
2 回答
大話西游666
TA貢獻1817條經驗 獲得超14個贊
嘗試使用 matplotlib qt 后端：
%matplotlib qt
或者如果您正在運行 .py 文件
from IPython import get_ipython
get_ipython().run_line_magic('matplotlib', 'qt')
然后創建全局axe對象ax = plt.axes() 并最終使用它來繪制您的圖：
def plot_stuff():
ax.clear()
x = np.linspace(-10, 10, 50)
ax.plot(x, np.sin(x))
如果您想繪制預測值，您可以創建一些自定義指標功能，這些功能將簡單地返回y_true或y_pred值。并使用TensorBoard回調來繪制它。
浮云間
TA貢獻1829條經驗 獲得超4個贊
這對我有用：
plt.show(block=False)
進而
def cb(x, y_true):
def _(batch, logs):
s,e=batch*batch_size,(batch+1)*batch_size
y_pred = model.predict(
x[s:e],
batch_size=batch_size
)
plt.clf()
plt.plot(y_true[s:e], label='true')
plt.plot(y_pred, label='pred')
plt.axis([0, batch_size, -1, 1])
plt.legend()
plt.draw()
plt.pause(0.0001)
return _
cb_plot=keras.callbacks.LambdaCallback(on_batch_end=cb(train_X,train_y))
添加回答
舉報
0/150
提交
取消