Keras 可视化指南

Keras的可视化功能可以帮助你更好地理解和分析模型的结构和训练过程。以下是一些常用的可视化方法：

模型结构可视化

使用 plot_model 函数可以生成模型结构的图像。以下是一个例子：

from keras.models import Sequential
from keras.layers import Dense
from keras.utils.vis_utils import plot_model

model = Sequential([
    Dense(32, activation='relu', input_shape=(100,)),
    Dense(16, activation='relu'),
    Dense(1, activation='sigmoid')
])

plot_model(model, to_file='model.png')

模型结构

训练过程可视化

使用 matplotlib 可以将训练过程中的损失和准确率绘制出来。

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

early_stopping = EarlyStopping(monitor='val_loss', patience=3)

history = model.fit(x_train, y_train, validation_data=(x_val, y_val), epochs=10, callbacks=[early_stopping])

plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Loss over epochs')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()

损失与验证损失

更多可视化技巧和示例，请访问我们的 Keras可视化深入指南。