Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线（训练接验证集）及效果可视化

Posted 2021-05-18 Data+Science+Insight

Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线（训练接、验证集）及效果可视化

在每个training/epoch/batch结束时，如果我们想执行某些任务，例如模型缓存、输出日志、计算当前的auc等等，Keras中的callback就派上用场了。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense,Dropout
import tensorflow as tf
import keras
 
# 如果使用GPU版TensorFlow,并且在显卡高占用率的情况下训练模型，
# 那要在初始化Session时为其分配固定数量的显存,否则可能会在开始训练的时候直接报错退出
def get_session():
    """ Construct a modified tf session.
    """
    config = tf.ConfigProto()
    config.gpu_options.allow_growth = True
    return tf.Session(config=config)
keras.backend.tensorflow_backend.set_session(get_session())
 
#数据
x_train = features_train
y_train = target_train
x_test = features_test
y_test = target_test
 
#第一层为输入层，20个节点
#第二次为64个节点࿰