使用Keras畫神經網絡準確性圖教程

1.在搭建網絡開始時，會調用到 keras.models的Sequential()方法，返回一個model參數表示模型

2.model參數裡面有個fit()方法，用於把訓練集傳進網絡。fit()返回一個參數，該參數包含訓練集和驗證集的準確性acc和錯誤值loss，用這些數據畫成圖表即可。

如：

  history=model.fit(x_train, y_train, batch_size=32, epochs=5, validation_split=0.25) #獲取數據     #########畫圖  acc = history.history['acc']  #獲取訓練集準確性數據  val_acc = history.history['val_acc'] #獲取驗證集準確性數據  loss = history.history['loss']   #獲取訓練集錯誤值數據  val_loss = history.history['val_loss'] #獲取驗證集錯誤值數據  epochs = range(1,len(acc)+1)  plt.plot(epochs,acc,'bo',label='Trainning acc')  #以epochs為橫座標，以訓練集準確性為縱座標  plt.plot(epochs,val_acc,'b',label='Vaildation acc') #以epochs為橫座標，以驗證集準確性為縱座標  plt.legend() #繪製圖例，即標明圖中的線段代表何種含義     plt.figure() #創建一個新的圖表  plt.plot(epochs,loss,'bo',label='Trainning loss')  plt.plot(epochs,val_loss,'b',label='Vaildation loss')  plt.legend() ##繪製圖例，即標明圖中的線段代表何種含義     plt.show() #顯示所有圖表

得到效果：

完整代碼：

  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']) #隨機梯度下降     history=model.fit(x_train, y_train, batch_size=32, epochs=5, validation_split=0.25) #獲取數據     #########畫圖  acc = history.history['acc']  #獲取訓練集準確性數據  val_acc = history.history['val_acc'] #獲取驗證集準確性數據  loss = history.history['loss']   #獲取訓練集錯誤值數據  val_loss = history.history['val_loss'] #獲取驗證集錯誤值數據  epochs = range(1,len(acc)+1)  plt.plot(epochs,acc,'bo',label='Trainning acc')  #以epochs為橫座標，以訓練集準確性為縱座標  plt.plot(epochs,val_acc,'b',label='Vaildation acc') #以epochs為橫座標，以驗證集準確性為縱座標  plt.legend() #繪製圖例，即標明圖中的線段代表何種含義     plt.figure() #創建一個新的圖表  plt.plot(epochs,loss,'bo',label='Trainning loss')  plt.plot(epochs,val_loss,'b',label='Vaildation loss')  plt.legend() ##繪製圖例，即標明圖中的線段代表何種含義