仅在 Keras 中训练多输出模型期间显示全损失

Question

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损失函数。在训练期间，这些损失的加权总和被最小化：

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))

如verbose=2，训练和验证损失在每个纪元结束时显示在控制台中。但是，由于模型是多输出的，因此会显示所有"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。

Answer 1

无法使用 Keras model.fit 函数中的默认详细选项。但是，您可以使用自定义回调来实现此目的。使用verbosity=0禁用 fit 函数中的详细程度。定义以下回调函数，该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
#

调用 model.fit 时，使用此回调作为callback=[PrinterCallback()]。这里还可以操作其他函数。例如，你可以在火车上做什么开始，等等(代码中显示的几个例子(。随意修改所需值的打印方式，例如，控制小数位。

有关 Keras 回调的详细信息，请参阅此处，您还可以查看其他回调的源代码以实现您自己的回调。

希望对您有所帮助！