ComeçarComece de graça

O callback de histórico

O callback de histórico é retornado por padrão toda vez que você treina um modelo com o método .fit(). Para acessar essas métricas, você pode acessar o parâmetro dicionário history dentro do objeto h_callback retornado, usando as chaves correspondentes.

A máquina de irrigação model que você criou na lição anterior está carregada para você treinar, junto com seus atributos e rótulos agora carregados como X_train, y_train, X_test, y_test. Desta vez, você vai armazenar o history do modelo e usar o parâmetro validation_data durante o treinamento.

Você vai plotar os resultados armazenados em history com plot_accuracy() e plot_loss(), duas funções simples do matplotlib. Você pode conferir o código delas no console colando show_code(plot_loss).

Vamos ver o que acontece por trás dos bastidores do nosso treinamento!

Este exercício faz parte do curso

Introdução ao Deep Learning com Keras

Ver curso

Instruções do exercício

  • Treine seu modelo em X_train e y_train, validando cada época em X_test e y_test.
  • Use plot_loss extraindo loss e val_loss de h_callback.
  • Use plot_accuracy extraindo accuracy e val_accuracy de h_callback.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Train your model and save its history
h_callback = ____.____(____, ____, epochs = 25,
               validation_data=(____, ____))

# Plot train vs test loss during training
plot_loss(h_callback.history[____], h_callback.history[____])

# Plot train vs test accuracy during training
plot_accuracy(h_callback.history[____], h_callback.history[____])
Editar e executar o código