我尝试在model.fit
中输入validation_data
参数,如下所示:
val_generator = data_generator(validation, mapping, features, tokenizer, max_length, vocab_size, batch_size)
train_generator = data_generator(train, mapping, features, tokenizer, max_length, vocab_size, batch_size)
history = model.fit(train_generator,
epochs=40,
steps_per_epoch=steps,
callbacks = callback,
validation_data = val_generator,
verbose=1 )
字符串
我得到一个问题是无限循环。我想显示瓦尔_loss和瓦尔_accuracy作为输出。
我在代码中添加validation_data = val_generator。结果是无限循环。我想从我的代码中显示val_loss和val_accuracy。你们能帮我修复吗?请。
1条答案
按热度按时间mbjcgjjk1#
您需要在model.fit()调用中添加另一个参数,即validation_steps(validation_steps:仅在提供validation_data且为tf.data数据集时相关。在每个epoch结束时执行验证时,在停止之前要绘制的总步骤数(样本批次))https://keras.io/api/models/model_training_apis/
由于您使用相同版本的data_generator进行训练和验证,并且您只指定了每个epoch的训练步骤,因此您需要对验证执行相同的操作,以便fit方法可以在每个epoch中知道要引入多少批次。