仅在 Keras 中训练多输出模型时显示总损失答案

【问题标题】：Only show total loss during training of a multi-output model in Keras仅在 Keras 中训练多输出模型时显示总损失
【发布时间】：2020-04-07 18:01:51
【问题描述】：

我正在通过 Keras 的功能 API 实现一个自动编码器模型。我的模型是多输出的，结果是在每个输出上评估一个损失函数。在训练期间，这些损失的加权和被最小化：

losses = [jsd for j in range(m)]  # JSD loss function for each output
autoencoder = Model(inputs, decodes)
sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
autoencoder.compile(optimizer=sgd, loss=losses, loss_weights=[1 for k in range(m)]) # each output has the same priority

然后我将我的模型拟合到训练数据并在测试数据上对其进行评估：

history = autoencoder.fit(train_corr, train_attr_corr, epochs=50, batch_size=10, shuffle=True, verbose=2,
                          validation_data=(test_corr, test_attr_GT))

作为verbose=2，训练和验证损失在每个epoch结束时显示在控制台中。但是，因为模型是多输出的，所以会显示所有的“子损失”。例如：

Epoch 1/50
 - 3s - loss: 0.3356 - dense_4_loss: 0.0647 - dense_5_loss: 0.0436 - dense_6_loss: 0.0391 - dense_7_loss: 0.0378 - dense_8_loss: 0.0250 - dense_9_loss: 0.0362 - val_loss: 0.1067 - val_dense_4_loss: 0.0101 - val_dense_5_loss: 0.0042 - val_dense_6_loss: 0.0031 - val_dense_7_loss: 0.0036 - val_dense_8_loss: 0.0041 - val_dense_9_loss: 0.0066

问题：是否可以只显示每个时期的总训练损失 (loss) 和总验证损失 val_loss？

编辑：在上面的例子中，我只想显示loss: 0.3356 和val_loss: 0.1067。

【问题讨论】：

所有迭代的损失总和？？
@abdoulsn 不，每个时期所有子损失的总和。在上面的例子中，我只想显示loss: 0.3356和val_loss: 0.1067。
@RutgerMauritz 提供的答案是否有助于您实现预期结果？
@DrSpill 成功了！使用回调函数时，它比我想象的要容易。谢谢！

标签： python tensorflow machine-learning keras neural-network

【解决方案1】：

无法使用 Keras model.fit 函数中的默认详细程度选项。但是，您可以使用自定义回调来实现此目的。使用 verbosity=0 在 fit 函数中禁用详细程度。定义以下回调函数，在纪元开始和结束时使用修改的结果覆盖默认回调。

class PrinterCallback(tf.keras.callbacks.Callback):

    # def on_train_batch_begin(self, batch, logs=None):
    #     # Do something on begin of training batch

    def on_epoch_end(self, epoch, logs=None):
        print('EPOCH: {}, Train Loss: {}, Val Loss: {}'.format(epoch,
                                                               logs['loss'],
                                                               logs['val_loss']))

    def on_epoch_begin(self, epoch, logs=None):
        print('-'*50)
        print('STARTING EPOCH: {}'.format(epoch))

    # def on_train_batch_end(self, batch, logs=None):
    #     # Do something on end of training batch
    #

在调用 model.fit 时，将此回调用作 callback=[PrinterCallback()]。还有其他功能也可以在这里进行操作。例如，您可以在 train begin 上做什么等（代码中显示了几个示例）。随意修改所需值的打印方式，例如控制小数位。

Keras 回调的详细信息可在here 获得，您还可以查看其他回调的源代码以实现您自己的。

希望有帮助！

【讨论】：