728x90
def learning_curve(history, epoch):
# 정확도 차트
epoch_range = np.arange(1, epoch+1 )
plt.plot(epoch_range, history.history['accuracy'])
plt.plot(epoch_range, history.history['val_accuracy'])
plt.title('Model Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend( ['Train', 'Val'])
plt.show()
# loss 차트
epoch_range = np.arange(1, epoch+1 )
plt.plot(epoch_range, history.history['loss'])
plt.plot(epoch_range, history.history['val_loss'])
plt.title('Model Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend( ['Train', 'Val'])
plt.show()
learning_curve(history, 50)
learning_curve는 모델이 훈련을 완료하고, 각 epoch마다 accuracy, loss를
차트로 나타낸다.
history 변수에는 훈련을 끝마친 모델이 저장되어 있고, 그 모델은 epoch 50으로 학습하였다.
'IT 프로그래밍 관련 > 딥러닝' 카테고리의 다른 글
tensorflow 모델 및 가중치(weight) 저장하고 불러오기 (0) | 2021.03.10 |
---|---|
epoch마다 기록을 남기는 CSVLogger (0) | 2021.03.04 |
epoch마다 가장 좋은 모델을 저장하는 ModelCheckpoint (0) | 2021.03.04 |
Fine Tuning 코드 진행 (0) | 2021.03.04 |
Transfer Learning을 위한 코드와 설명 (0) | 2021.03.04 |
댓글