Keras Sequential模型绘图报错：'Sequential'对象不可下标访问

问题1：'Sequential' object is not subscriptable 报错 #

你直接用model['accuracy']访问训练指标的方式是错误的——Keras的Sequential模型实例本身不支持下标访问，训练过程中的准确率、损失等数据都存在**model.fit()返回的History对象**里。

解决步骤：

• 训练时保存History对象：

  history = model.fit(x_train, y_train, epochs=10, batch_size=32)
  

• 从History对象的history字典中提取指标数据：

  # 训练集准确率与损失
  train_acc = history.history['accuracy']
  train_loss = history.history['loss']
  # 如果有验证集，对应键为val_accuracy、val_loss
  val_acc = history.history.get('val_accuracy')
  val_loss = history.history.get('val_loss')
  

• 绘制曲线示例（用matplotlib）：

  import matplotlib.pyplot as plt
  
  # 绘制准确率曲线
  plt.figure(figsize=(8, 4))
  plt.plot(train_acc, label='Training Accuracy')
  if val_acc:
      plt.plot(val_acc, label='Validation Accuracy')
  plt.title('Model Accuracy')
  plt.xlabel('Epoch')
  plt.ylabel('Accuracy')
  plt.legend()
  plt.show()
  
  # 绘制损失曲线
  plt.figure(figsize=(8, 4))
  plt.plot(train_loss, label='Training Loss')
  if val_loss:
      plt.plot(val_loss, label='Validation Loss')
  plt.title('Model Loss')
  plt.xlabel('Epoch')
  plt.ylabel('Loss')
  plt.legend()
  plt.show()
  

问题2：未传入验证集导致ModelCheckpoint无法保存最佳模型 #

ModelCheckpoint默认需要验证集指标（如val_loss）来判断“最佳”模型，没有验证集就无法完成最佳模型的判定逻辑。

解决方法：

1. 优先使用验证集：在model.fit()中传入验证集数据，要么手动传入validation_data，要么用validation_split从训练集拆分：

   # 方式1：传入预准备的验证集
   model.fit(x_train, y_train, validation_data=(x_val, y_val), callbacks=[checkpoint], epochs=10)
   # 方式2：从训练集中拆分15%作为验证集
   model.fit(x_train, y_train, validation_split=0.15, callbacks=[checkpoint], epochs=10)
   

2. 无验证集时的替代方案（不推荐，易过拟合）：修改ModelCheckpoint的监控指标为训练集损失/准确率，基于训练集数据保存“最佳”模型：

   from tensorflow.keras.callbacks import ModelCheckpoint
   
   # 监控训练集损失，保存损失最小的模型
   checkpoint = ModelCheckpoint('best_train_model.h5', monitor='loss', save_best_only=True, mode='min')
   model.fit(x_train, y_train, callbacks=[checkpoint], epochs=10)
   

内容的提问来源于stack exchange，提问作者Maryam Awari-Alimi