Keras，只打印验证数据的指标。

Question

对不起，这个小问题，如果这不是合适的地方，请给我一个更好的来源。

是否有一种只为validation_data打印keras指标的方法？

我想跟踪几个划时代的指标(例如精确性、召回率和f1评分)。在keras git历史记录中有几种方便的方法可供使用，但它们在训练时按批处理计算时没有意义，而在测试/验证时则这样做。

所以训练指标只是把我的日志弄得乱七八糟。有办法让他们安静下来吗？

编辑:我知道我可以子类Callback，并且只在划时代结束时做这些，但是那样的话，我将对每个时代的验证数据做两个预测，一个在回调中，另一个由幕后的keras来计算验证损失。

Answer 1

只有当ProgbarLogger回调( verbose > 0 )时，才会将该回调添加到模型中。在源代码training.py中

if verbose:
    if steps_per_epoch is not None:
        count_mode = 'steps'
    else:
        count_mode = 'samples'
    callbacks += [cbks.ProgbarLogger(count_mode)]

因此，一个可能的解决办法是：

• 在verbose=0中指定fit()以抑制内置ProgbarLogger
• 子类ProgbarLogger，并更改代码以忽略培训指标。
• 调用fit()时添加此回调

例如,

from keras.callbacks import ProgbarLogger

class ValOnlyProgbarLogger(ProgbarLogger):
    def __init__(self, verbose, count_mode='samples'):
        # Ignore the `verbose` argument specified in `fit()` and pass `count_mode` upstream
        self.verbose = verbose
        super(ValOnlyProgbarLogger, self).__init__(count_mode)

    def on_train_begin(self, logs=None):
        # filter out the training metrics
        self.params['metrics'] = [m for m in self.params['metrics'] if m.startswith('val_')]
        self.epochs = self.params['epochs']

input_tensor = Input(shape=(256,))
out = Dense(10)(input_tensor)
model = Model(input_tensor, out)
model.compile(loss='mse', optimizer='adam', metrics=['mae', 'cosine'])
model.fit(X, Y, validation_data=(XX, YY), verbose=0,
          callbacks=[ValOnlyProgbarLogger(verbose=1)])

培训指标现在将被取消：

Epoch 1/1
1000/1000 [==============================] - 0s 392us/step - val_loss: 0.2479 - val_mean_absolute_error: 0.3988 - val_cosine_proximity: -0.7022

注意，如果您使用的是fit_generator而不是fit，则在初始化ValOnlyProgbarLogger时需要指定count_mode='steps'。