# 绘制训练集和验证集的损失曲线 plt.plot(history.history['loss']) plt.plot(history.history['val_loss']) plt.title('Model Loss') plt.xlabel('Epoch') plt.ylabel('Loss') plt.legend(['Train', 'Validation'], loc='upper left') plt.show() # 绘制训练集和验证集的准确率曲线 plt.plot(history.history['accuracy']) plt.plot(history.history['val_accuracy']) plt.title('Model Accuracy') plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.legend(['Train', 'Validation'], loc='upper left') plt.show()将"figure 1"名字改为"xxx"

可以使用plt.figure()函数来创建一个新的图形，然后在绘制完曲线后使用plt.title()函数来设置图形的名称。

例如:

plt.figure()
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('xxx') # 将图形的名称改为"xxx"
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()

plt.figure()
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('xxx') # 将图形的名称改为"xxx"
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()

相关问题

# 绘制准确率变化曲线 plt.subplot(1, 2, 1) plt.plot(history.history['accuracy'], label='train acc') plt.plot(history.history['val_accuracy'], label='val acc') plt.legend() plt.title('Accuracy') # 绘制损失率变化曲线 plt.subplot(1, 2, 2) plt.plot(history.history['loss'], label='train loss') plt.plot(history.history['val_loss'], label='val loss') plt.legend() plt.title('Loss') plt.show()让训练集用实线表示，测试集为虚线

你可以在绘制曲线时指定实线或虚线的样式。可以像下面这样编写代码：

import matplotlib.pyplot as plt

# 绘制准确率变化曲线
plt.subplot(1, 2, 1)
plt.plot(history.history['accuracy'], label='train acc', linestyle='solid')
plt.plot(history.history['val_accuracy'], label='val acc', linestyle='dashed')
plt.legend()
plt.title('Accuracy')

# 绘制损失率变化曲线
plt.subplot(1, 2, 2)
plt.plot(history.history['loss'], label='train loss', linestyle='solid')
plt.plot(history.history['val_loss'], label='val loss', linestyle='dashed')
plt.legend()
plt.title('Loss')

plt.show()

这里在绘制训练集和测试集的曲线时，使用 `linestyle` 参数指定实线或虚线的样式。`linestyle='solid'` 表示实线，`linestyle='dashed'` 表示虚线。

import pandas as pd import numpy as np from sklearn.preprocessing import LabelEncoder, OneHotEncoder from keras.models import Sequential from keras.layers import Dense from keras.callbacks import History import matplotlib.pyplot as plt # 读取数据集 data = pd.read_csv('data-04-zoo.csv', header=None) # 切分x和y x = data.iloc[:, :-1].values y = data.iloc[:, -1].values # 对y标签进行独热编码处理 label_encoder = LabelEncoder() y = label_encoder.fit_transform(y) onehot_encoder = OneHotEncoder(sparse=False) y = y.reshape(len(y), 1) y = onehot_encoder.fit_transform(y) # 搭建网络模型 model = Sequential() model.add(Dense(16, input_dim=16, activation='relu')) model.add(Dense(8, activation='relu')) model.add(Dense(7, activation='softmax')) # 模型配置 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) # 训练模型 history = History() model.fit(x, y, epochs=200, batch_size=16, validation_split=0.2, callbacks=[history]) # 绘制训练集和验证集的损失曲线 plt.plot(history.history['loss']) plt.plot(history.history['val_loss']) plt.title('Model Loss') plt.xlabel('Epoch') plt.ylabel('Loss') plt.legend(['Train', 'Validation'], loc='upper left') plt.show() # 绘制训练集和验证集的准确率曲线 plt.plot(history.history['accuracy']) plt.plot(history.history['val_accuracy']) plt.title('Model Accuracy') plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.legend(['Train', 'Validation'], loc='upper left') plt.show() # 保存模型 model.save('model1.h5')from google.protobuf.internal import builder as _builder ImportError: cannot import name 'builder' from 'google.protobuf.internal' (C:\ProgramData\anaconda3\envs\demo\lib\site-packages\google\protobuf\internal\__init__.py)

这段代码中出现了 ImportError: cannot import name 'builder' from 'google.protobuf.internal' (C:\ProgramData\anaconda3\envs\demo\lib\site-packages\google\protobuf\internal\__init__.py) 的错误，这可能是因为你的 protobuf 库版本过低导致的。建议更新 protobuf 库到最新版本再尝试运行该代码。可以使用以下命令更新 protobuf 库：

pip install --upgrade protobuf

如果还有问题，可以参考这个链接进行调试：https://github.com/protocolbuffers/protobuf/issues/9350