J'ai exécuté mon exemple de code en utilisant Keras.Interprétation des métriques de sortie de Keras
model = Sequential([
BatchNormalization(axis=1, input_shape=(3,224,224))
Flatten(),
Dense(10, activation='softmax')])
model.compile(Adam(lr=1e-4), loss="categorical_crossentropy", metrics=['accuracy'])
model.fit_generator(batches, batches.nb_sample, nb_epoch=2,
validation_data=test_batches, nb_val_samples=test_batches.nb_sample)
Il a donné cette sortie:
None
Epoch 1/2
500/500 [==============================] - 147s - loss: 2.2464 - acc: 0.3520 - val_loss: 6.4765 - val_acc: 0.1100
Epoch 2/2
500/500 [==============================] - 140s - loss: 0.8074 - acc: 0.7880 - val_loss: 3.8807 - val_acc: 0.1450
Je ne suis pas en mesure de trouver le sens de loss, acc, val_loss, val_acc
. Toute explication ou lien vers le document sera utile.
This is le plus proche de ce que je cherche. Dans le code ci-dessus, je suis le modèle. Mais c'est aussi donner une précision de validation. À partir de quel ensemble de données cette précision de validation est-elle calculée?
Merci. CA aide. – Netro