验证模型时，在 Keras 中使用 verbose 有什么用？

Question

我是第一次运行 LSTM 模型。这是我的模型：

 opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)

model = Model(inp,pred)
model.compile(....)

idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)

训练模型时详细的用途是什么？

原文由 rakesh 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

在此处 查看 model.fit 的文档。

通过设置 verbose 0、1 或 2，您只需说出您希望如何“查看”每个时期的训练进度。

verbose=0 什么都不显示（无声）

verbose=1 将向您显示一个动画进度条，如下所示：

verbose=2 会像这样提到纪元的数量：

原文由 Ankit 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

verbose: Integer 。 0、1 或 2。详细模式。

详细=0（无声）

详细=1（进度条）

 Train on 186219 samples, validate on 20691 samples
Epoch 1/2
186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc:
0.7728 - val_loss: 0.4917 - val_acc: 0.8029
Train on 186219 samples, validate on 20691 samples
Epoch 2/2
186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc:
0.8071 - val_loss: 0.4617 - val_acc: 0.8168

Verbose=2（每个纪元一行）

 Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075
Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046

原文由 Ashok Kumar Jayaraman 发布，翻译遵循 CC BY-SA 4.0 许可协议