ПочатиПочніть безкоштовно

Callback history

Callback history повертається за замовчуванням щоразу, коли ви навчаєте модель методом .fit(). Щоб отримати ці метрики, зверніться до словника history всередині поверненого об'єкта h_callback за відповідними ключами.

Машину зрошення model, яку ви створили в попередньому уроці, завантажено для тренування разом з ознаками та мітками, тепер у змінних X_train, y_train, X_test, y_test. Цього разу ви збережете callback history моделі та використаєте параметр validation_data під час навчання.

Ви побудуєте графіки результатів, що збережені в history, за допомогою plot_accuracy() і plot_loss(), двох простих функцій matplotlib. Ви можете переглянути їхній код у консолі, вставивши show_code(plot_loss).

Погляньмо, що відбувається «за лаштунками» під час нашого навчання!

Ця вправа є частиною курсу

Вступ до Deep Learning з Keras

Переглянути курс

Інструкції до вправи

  • Навчіть вашу модель на X_train і y_train, валідуйте кожну епоху на X_test і y_test.
  • Використайте plot_loss, витягнувши loss і val_loss із h_callback.
  • Використайте plot_accuracy, витягнувши accuracy і val_accuracy із h_callback.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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[____])
Редагувати та запускати код