使用Keras画神经网络准确性图教程


Posted in Python onJune 15, 2020

1.在搭建网络开始时,会调用到 keras.models的Sequential()方法,返回一个model参数表示模型

2.model参数里面有个fit()方法,用于把训练集传进网络。fit()返回一个参数,该参数包含训练集和验证集的准确性acc和错误值loss,用这些数据画成图表即可。

如:

history=model.fit(x_train, y_train, batch_size=32, epochs=5, validation_split=0.25) #获取数据
 
#########画图
acc = history.history['acc']  #获取训练集准确性数据
val_acc = history.history['val_acc'] #获取验证集准确性数据
loss = history.history['loss']   #获取训练集错误值数据
val_loss = history.history['val_loss'] #获取验证集错误值数据
epochs = range(1,len(acc)+1)
plt.plot(epochs,acc,'bo',label='Trainning acc')  #以epochs为横坐标,以训练集准确性为纵坐标
plt.plot(epochs,val_acc,'b',label='Vaildation acc') #以epochs为横坐标,以验证集准确性为纵坐标
plt.legend() #绘制图例,即标明图中的线段代表何种含义
 
plt.figure() #创建一个新的图表
plt.plot(epochs,loss,'bo',label='Trainning loss')
plt.plot(epochs,val_loss,'b',label='Vaildation loss')
plt.legend() ##绘制图例,即标明图中的线段代表何种含义
 
plt.show() #显示所有图表

得到效果:

使用Keras画神经网络准确性图教程

完整代码:

import keras
from keras.datasets import mnist
from keras.layers import Conv2D, MaxPool2D, Dense, Flatten,Dropout
from keras.models import Sequential
import matplotlib.pyplot as plt
 
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(-1, 28, 28, 1)
x_test = x_test.reshape(-1, 28, 28, 1)
x_train = x_train / 255.
x_test = x_test / 255.
 
y_train = keras.utils.to_categorical(y_train)
y_test = keras.utils.to_categorical(y_test)
 
model = Sequential()
model.add(Conv2D(20,(5,5),strides=(1,1),input_shape=(28,28,1),padding='valid',activation='relu',kernel_initializer='uniform'))
model.add(MaxPool2D(pool_size=(2,2),strides=(2,2)))
model.add(Conv2D(64,(5,5),strides=(1,1),padding='valid',activation='relu',kernel_initializer='uniform'))
model.add(MaxPool2D(pool_size=(2,2),strides=(2,2)))
model.add(Flatten())
model.add(Dense(500,activation='relu'))
model.add(Dropout(0.2))
model.add(Dense(10,activation='softmax'))
model.compile('sgd', loss='categorical_crossentropy', metrics=['accuracy']) #随机梯度下降
 
history=model.fit(x_train, y_train, batch_size=32, epochs=5, validation_split=0.25) #获取数据
 
#########画图
acc = history.history['acc']  #获取训练集准确性数据
val_acc = history.history['val_acc'] #获取验证集准确性数据
loss = history.history['loss']   #获取训练集错误值数据
val_loss = history.history['val_loss'] #获取验证集错误值数据
epochs = range(1,len(acc)+1)
plt.plot(epochs,acc,'bo',label='Trainning acc')  #以epochs为横坐标,以训练集准确性为纵坐标
plt.plot(epochs,val_acc,'b',label='Vaildation acc') #以epochs为横坐标,以验证集准确性为纵坐标
plt.legend() #绘制图例,即标明图中的线段代表何种含义
 
plt.figure() #创建一个新的图表
plt.plot(epochs,loss,'bo',label='Trainning loss')
plt.plot(epochs,val_loss,'b',label='Vaildation loss')
plt.legend() ##绘制图例,即标明图中的线段代表何种含义

以上这篇使用Keras画神经网络准确性图教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python实现apahce网站日志分析示例
Apr 02 Python
python实现2048小游戏
Mar 30 Python
python在不同层级目录import模块的方法
Jan 31 Python
Django学习笔记之ORM基础教程
Mar 27 Python
教你使用python画一朵花送女朋友
Mar 29 Python
python多进程实现文件下载传输功能
Jul 28 Python
Tornado Web Server框架编写简易Python服务器
Jul 28 Python
python/sympy求解矩阵方程的方法
Nov 08 Python
Python创建字典的八种方式
Feb 27 Python
pycharm编写spark程序,导入pyspark包的3中实现方法
Aug 02 Python
python基于celery实现异步任务周期任务定时任务
Dec 30 Python
Python按照list dict key进行排序过程解析
Apr 04 Python
在tensorflow下利用plt画论文中loss,acc等曲线图实例
Jun 15 #Python
python中元组的用法整理
Jun 15 #Python
详解Python设计模式之策略模式
Jun 15 #Python
python能做哪方面的工作
Jun 15 #Python
python实现二分类和多分类的ROC曲线教程
Jun 15 #Python
python属于解释型语言么
Jun 15 #Python
python要安装在哪个盘
Jun 15 #Python
You might like
php file_put_contents()功能函数(集成了fopen、fwrite、fclose)
2011/05/24 PHP
JavaScript与Image加载事件(onload)、加载状态(complete)
2011/02/14 Javascript
Jquery 点击按钮显示和隐藏层的代码
2011/07/25 Javascript
javascript 常用功能总结
2012/03/18 Javascript
JS实现淘宝幻灯片效果的实现方法
2013/03/22 Javascript
Jquery判断$("#id")获取的对象是否存在的方法
2013/09/25 Javascript
纯JS实现根据CSS的class选择DOM
2014/03/22 Javascript
jquery实现类似淘宝星星评分功能有截图
2014/09/15 Javascript
jQuery解析XML与传统JavaScript方法的差别实例分析
2015/03/05 Javascript
Es6 写的文件import 起来解决方案详解
2016/12/13 Javascript
JavaScript设计模式之单例模式详解
2017/06/09 Javascript
Ionic学习日记实现验证码倒计时
2018/02/08 Javascript
浅谈js获取ModelAndView值的问题
2018/03/28 Javascript
JavaScript中引用vs复制示例详析
2018/12/06 Javascript
JavaScript数据结构与算法之二叉树实现查找最小值、最大值、给定值算法示例
2019/03/01 Javascript
js+h5 canvas实现图片验证码
2020/10/11 Javascript
[04:04]DOTA2亚洲邀请赛比赛场馆&酒店全攻略
2017/03/23 DOTA
Windows下PyMongo下载及安装教程
2015/04/27 Python
编写Python爬虫抓取暴走漫画上gif图片的实例分享
2016/04/20 Python
Python iter()函数用法实例分析
2018/03/17 Python
解决Mac下使用python的坑
2019/08/13 Python
Python列表的切片实例讲解
2019/08/20 Python
pytorch-RNN进行回归曲线预测方式
2020/01/14 Python
python库skimage给灰度图像染色的方法示例
2020/04/27 Python
高考考python编程是真的吗
2020/07/20 Python
美国休闲服装品牌:Express
2016/09/24 全球购物
美国顶级户外凉鞋品牌:Chacos
2017/03/27 全球购物
法国女性内衣购物网站:Glamuse
2019/05/13 全球购物
试用期自我鉴定范文
2014/03/20 职场文书
11.9消防日宣传标语
2014/10/08 职场文书
2015年爱牙日活动总结
2015/03/23 职场文书
2015年体育教师个人工作总结
2015/05/12 职场文书
亲戚关系证明
2015/06/24 职场文书
三好学生主要事迹材料
2015/11/03 职场文书
一道JS算法面试题——冒泡、选择排序
2021/04/21 Javascript
GPU服务器的多用户配置方法
2022/07/07 Servers