如何获取fit函数的loss值

在Python的深度学习框架如TensorFlow或PyTorch中，通常你在训练神经网络模型时，会通过`fit()`函数进行训练并计算损失值。这个过程通常是迭代的，每次迭代（也称为一次“epoch”）都会更新权重并返回当前批次的损失。

当你想要获取`fit()`函数的损失值时，可以这样做：

**TensorFlow示例**:

# 假设你有一个model和dataset
history = model.fit(dataset.train_dataset, epochs=10, validation_data=dataset.val_dataset)

# `history.history`是一个字典，包含了每个epoch的训练和验证损失
train_loss = history.history['loss']
val_loss = history.history['val_loss']

# 获取最后一轮（也就是最后一个epoch）的损失
last_train_loss = train_loss[-1]
last_val_loss = val_loss[-1]

**PyTorch 示例**:

# 假设你是用nn.Module和DataLoader
trainer = Trainer(model, loss_fn, optimizer)
trainer.fit(dataloader=train_loader, epochs=10)

# 训练和验证损失存储在`trainer`实例的属性里
train_loss = trainer.train_metrics["loss"]
val_loss = trainer.val_metrics["loss"]

# 获取最后一轮的损失
last_train_loss = train_loss[-1]
last_val_loss = val_loss[-1]