如何可视化MediaPipe图像分类器的损失与准确率？

问题说明 #

使用MediaPipe的image_classifier.ImageClassifier.create()训练图像分类模型后，想要绘制训练/验证的loss、accuracy曲线，但发现模型实例没有history属性，报错：

AttributeError: 'ImageClassifier' object has no attribute 'history'

解决方法 #

MediaPipe Model Maker并未直接暴露训练历史属性，但可以通过自定义Keras回调函数在训练过程中记录每轮的指标数据，后续用这些数据生成可视化图表。

步骤1：定义自定义回调 #

创建一个回调类，在训练开始和每个epoch结束时记录loss、accuracy等指标：

import tensorflow as tf

class TrainingHistory(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs=None):
        self.history = {'loss': [], 'accuracy': [], 'val_loss': [], 'val_accuracy': []}
    
    def on_epoch_end(self, epoch, logs=None):
        self.history['loss'].append(logs['loss'])
        self.history['accuracy'].append(logs['accuracy'])
        self.history['val_loss'].append(logs['val_loss'])
        self.history['val_accuracy'].append(logs['val_accuracy'])

history_callback = TrainingHistory()

步骤2：添加回调到训练选项 #

将自定义回调传入训练配置的callbacks参数中：

from mediapipe.model_maker import image_classifier

# 配置训练参数（根据需求调整epoch数等）
options = image_classifier.ImageClassifierOptions(
    hparams=image_classifier.HParams(epochs=10),
    callbacks=[history_callback]
)

# 启动训练
model = image_classifier.ImageClassifier.create(
    train_data=train_data,
    validation_data=validation_data,
    options=options
)

步骤3：绘制指标曲线 #

利用回调记录的数据绘制loss和accuracy图表：

import matplotlib.pyplot as plt
%matplotlib inline

history_dict = history_callback.history
epochs = range(1, len(history_dict['loss']) + 1)

# 绘制Loss曲线
plt.figure(figsize=(10, 5))
plt.plot(epochs, history_dict['loss'], 'b+', linewidth=2, markersize=10, label='训练Loss')
plt.plot(epochs, history_dict['val_loss'], 'r*', linewidth=2, markersize=10, label='验证Loss')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.grid(True)
plt.legend()
plt.show()

# 绘制Accuracy曲线
plt.figure(figsize=(10, 5))
plt.plot(epochs, history_dict['accuracy'], 'b+', linewidth=2, markersize=10, label='训练Accuracy')
plt.plot(epochs, history_dict['val_accuracy'], 'r*', linewidth=2, markersize=10, label='验证Accuracy')
plt.xlabel('Epochs')
plt.ylabel('Accuracy')
plt.grid(True)
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者uh31234