CNN模型训练中画出acc图
时间: 2023-08-10 12:09:34 浏览: 52
在训练CNN模型时,通常会监控模型的训练和验证集准确率(accuracy)随着训练次数的变化情况,可以使用Matplotlib库画出精度图。
下面是一个简单的示例代码,用于训练一个CNN模型并画出训练和验证集的准确率图:
``` python
import matplotlib.pyplot as plt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 数据预处理
x_train = x_train.reshape((60000, 28, 28, 1))
x_train = x_train.astype('float32') / 255.0
y_train = to_categorical(y_train)
x_test = x_test.reshape((10000, 28, 28, 1))
x_test = x_test.astype('float32') / 255.0
y_test = to_categorical(y_test)
# 定义CNN模型
model = Sequential()
model.add(Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)))
model.add(MaxPooling2D((2,2)))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))
# 编译模型
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
# 训练模型
history = model.fit(x_train, y_train, epochs=10, batch_size=128, validation_data=(x_test, y_test))
# 画出训练集和验证集的准确率图
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('Model Accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'], loc='upper left')
plt.show()
```
在上面的代码中,首先加载MNIST数据集并进行数据预处理。然后定义了一个简单的CNN模型,并使用rmsprop优化器和交叉熵损失函数来编译模型。接下来,使用fit()函数来训练模型,并将返回的训练历史记录保存在history变量中。最后,使用Matplotlib库画出训练集和验证集的准确率图。