怎么输出MLP模型训练过程中迭代次数与loss的曲线

在训练MLP模型时，可以使用Keras库的Callback函数来输出训练过程中的迭代次数与loss的曲线。下面是一个示例代码：

import matplotlib.pyplot as plt
from keras.callbacks import Callback

class PlotLosses(Callback):
    def on_train_begin(self, logs={}):
        self.losses = []
        self.iterations = []

    def on_epoch_end(self, epoch, logs={}):
        self.losses.append(logs.get('loss'))
        self.iterations.append(epoch)
        clear_output(wait=True)
        plt.plot(self.iterations, self.losses)
        plt.title('Training Loss')
        plt.xlabel('Epoch')
        plt.ylabel('Loss')
        plt.show()

# 使用Callback函数
model.fit(X_train, y_train, epochs=10, batch_size=32, callbacks=[PlotLosses()])

在上面的示例中，我们自定义了一个Callback函数`PlotLosses`，在每个epoch结束时，将当前的loss值和迭代次数记录下来，并画出loss曲线。在模型训练时，将`PlotLosses`作为Callback参数传递给`fit()`函数即可。