为什么 val_loss 和 val_accuracy 没有出现在时代答案

【问题标题】：why val_loss and val_accuracy not showing in epochs为什么 val_loss 和 val_accuracy 没有出现在时代
【发布时间】：2020-08-23 22:06:59
【问题描述】：

我正在尝试对图像进行分类，无论它们是猫、狗还是熊猫。数据包含所有图像（猫 + 狗 + 熊猫），标签包含它们的标签，但不知何故，当我将数据拟合到模型时，val_loss 和 val_accuracy 没有出现，唯一的指标显示在每个时期是loss 和accuracy。我不知道为什么它没有出现，但我觉得这是因为我没有通过 validation_data 所以我通过 X_test.all() 到 validation_data 但是 val_loss 和 val_accuracy 仍然没有出现，什么我应该怎么做？

data = np.array(data, dtype="float") / 255.0
labels = np.array(labels)

X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.2)

model = tf.keras.models.Sequential([
  tf.keras.layers.Conv2D(32, (2,2), activation = 'relu', input_shape= (height, width, n_channels)),
  tf.keras.layers.MaxPooling2D(2,2),
  tf.keras.layers.Conv2D(64,(2,2), activation= 'relu'),
  tf.keras.layers.MaxPooling2D(2,2),
  tf.keras.layers.Conv2D(128,(2,2), activation= 'relu'),
  tf.keras.layers.MaxPooling2D(2,2),
  tf.keras.layers.Conv2D(256,(2,2), activation= 'relu'),
  tf.keras.layers.MaxPooling2D(2,2),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation= 'relu'),
  tf.keras.layers.Dense(3, activation= 'softmax')
])

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

y_train = np_utils.to_categorical(y_train, 3)

model.fit(X_train, y_train, batch_size=32, epochs=25, verbose=1)

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

您忘记在模型拟合中输入验证测试。

model.fit(X_train, y_train, batch_size=32, epochs=25, verbose=1, validation_data=(X_test,y_test))

【讨论】：

这不起作用，它返回ValueError: Shapes (None, 1) and (None, 3) are incompatible
表示形状不正确。能否发送 X_train.shape、y_train.shape、X_test.shape 和 y_test.shape。
X_train 是 (2400, 32, 55, 3), X_test 是 (600, 32, 55, 3),y_train 是 (2400, 3),y_test 是 (600,)
y_train 和 y_test 的数据维度存在差异。那就是问题所在。 y_train 有 3 列，而 y_test 有 1 列，因此数据丢失。如果它是分类的，那么将它转换为一个热门的。您忘记将 y_test 变量转换为分类类型。添加这一行，y_test = np_utils.to_categorical(y_test , 3)

【解决方案2】：

您忘记将 y_test 变量转换为分类类型。添加这一行，

y_test  = np_utils.to_categorical(y_test  , 3)

【讨论】：