我正在運行多次迭代的火車，所以我可以平滑損失曲線。我想要一種優雅的方法來平均所有損失，history.history['loss']但還沒有找到一種簡單的方法來做到這一點。這是一個最小的例子：
import tensorflow as tf
from tensorflow.keras.utils import to_categorical
from matplotlib import pyplot as plt
(x_train, y_train), _ = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32')/255
y_train = to_categorical(y_train, num_classes=10)
def get_model():
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(10, activation='sigmoid',
input_shape=(784,)))
model.add(tf.keras.layers.Dense(10, activation='softmax'))
model.compile(loss="categorical_crossentropy", optimizer="sgd",
metrics = ['accuracy'])
return model
all_trains = []
for i in range(3):
model = get_model()
history = model.fit(x_train, y_train, epochs=2)
all_trains.append(history)
如果我只想繪制一個示例，我會這樣做：
plt.plot(history.epoch, history.history['loss'])
plt.show()
但相反，我想平均每列火車的損失all_trains并繪制它們。我可以想到許多笨拙的方法來做到這一點，但想找到一種干凈的方法。
uj5u.com熱心網友回復：
你可以簡單地做：
import numpy as np
import matplotlib.pyplot as plt
losses = [h.history['loss'] for h in all_trains]
mean_loss = np.mean(losses, axis=0)
std = np.std(losses, axis=0)
plt.errorbar(range(len(mean_loss)), mean_loss, yerr=std, capsize=5, marker='o')
plt.title('Average loss per epoch (± std)')
plt.xlabel('Epoch')
plt.ylabel('Categorical crossentropy')
plt.show()
在這種情況下，我還添加了標準偏差。
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/479254.html