Kom igångKom igång gratis

History-callback

History-callback returneras automatiskt varje gång du tränar en modell med metoden .fit(). För att komma åt dessa mätvärden kan du använda nyckeln history i det returnerade h_callback-objektet.

Bevattningsmaskinens model som du byggde i föregående lektion är laddad och redo att tränas, tillsammans med dess särdrag och etiketter – nu tillgängliga som X_train, y_train, X_test och y_test. Den här gången ska du spara modellens history-callback och använda parametern validation_data under träningen.

Du kommer att visualisera resultaten som lagrats i history med hjälp av plot_accuracy() och plot_loss() – två enkla matplotlib-funktioner. Du kan se deras kod i konsolen genom att klistra in show_code(plot_loss).

Låt oss titta bakom kulisserna på vår träning!

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Träna din modell på X_train och y_train, och validera varje epok på X_test och y_test.
  • Använd plot_loss och extrahera loss och val_loss från h_callback.
  • Använd plot_accuracy och extrahera accuracy och val_accuracy från h_callback.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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[____])
Redigera och kör kod