如何在 Keras 中显示多类图像分类任务的验证准确度？答案

【问题标题】：How to display validation accuracy for multi-class image classification tasks in Keras?如何在 Keras 中显示多类图像分类任务的验证准确度？
【发布时间】：2020-12-07 07:45:43
【问题描述】：

我在 Keras (v2.4.3) 中实现了一个多类图像分类神经网络。我想在编译和安装后评估我的模型的性能。然而，在训练之后，没有关于验证过程的信息。于是我检查了历史键和历史，发现根本没有关于验证的信息。

如何显示训练模型的验证（分类）准确性？任何回应将不胜感激！

【问题讨论】：

试试val_accuracy
@George 它显示 KeyError: 'val_accuracy'。
我打印了 history.history，它仅在每个 epoch 中包含“loss”、“categorical_accuracy”和“auc_3”的值。不包含验证信息。

标签： python keras multiclass-classification image-classification

【解决方案1】：

所以，运行一个小例子

import tensorflow as tf
import numpy as np
from tensorflow.keras.metrics import CategoricalAccuracy, AUC


X = np.random.rand(4, 4).astype(np.float32)

y = np.array([[0, 1, 2, 3],
              [1, 1, 2, 2],
              [1, 2, 3, 3],
              [0,2,1,2]])

model = tf.keras.Sequential()

model.add(tf.keras.layers.Dense(6, activation='relu', input_dim=4))
model.add(tf.keras.layers.Dense(4, activation='softmax'))

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

history = model.fit(X, y, epochs=20, validation_split=0.2)

它显示：

Epoch 19/20
1/1 [==============================] - 0s 28ms/step - loss: 11.0286 - categorical_accuracy: 0.0000e+00 - auc_7: 0.9091 - val_loss: 7.1460 - val_categorical_accuracy: 1.0000 - val_auc_7: 0.6667
Epoch 20/20
1/1 [==============================] - 0s 49ms/step - loss: 11.0241 - categorical_accuracy: 0.0000e+00 - auc_7: 0.9091 - val_loss: 7.1411 - val_categorical_accuracy: 1.0000 - val_auc_7: 0.6667

如果我从 fit 中删除 validation_split=0.2，那么它只会显示培训信息：

Epoch 18/20
1/1 [==============================] - 0s 974us/step - loss: 9.0478 - categorical_accuracy: 0.0000e+00 - auc_8: 0.4821
Epoch 19/20
1/1 [==============================] - 0s 2ms/step - loss: 9.0495 - categorical_accuracy: 0.0000e+00 - auc_8: 0.4821
Epoch 20/20
1/1 [==============================] - 0s 1ms/step - loss: 9.0513 - categorical_accuracy: 0.0000e+00 - auc_8: 0.4821

所以，我想这与您的验证迭代器或/和验证步骤有关。

【讨论】：