如何在Keras绘制学习曲线时自定义图例？

问题描述 #

使用TensorFlow 2/Keras训练CNN模型后，通过history属性绘制准确率和损失曲线，当前图例显示为accuracy/val_accuracy，希望修改为train_accuracy/validation_accuracy。尝试仅修改plt.legend的第二个参数无效，使用代理艺术家的方法也失败并出现警告。

解决方案 #

方法一：直接指定完整图例文本 #

你之前的问题在于只修改了图例的第二个标签，第一个标签仍沿用原string变量值（比如"accuracy"）。只需同时修改两个标签的文本即可：

import matplotlib.pyplot as plt

def plot_graphs(cnn_trained_model, string):
    plt.plot(cnn_trained_model.history[string])
    plt.plot(cnn_trained_model.history['val_'+string])
    plt.xlabel("Epochs")
    plt.ylabel(string.capitalize())
    # 同时指定训练和验证的图例文本
    plt.legend([f'train_{string}', f'validation_{string}'])
    plt.show()

# 绘制准确率和损失曲线
plot_graphs(cnn_trained_model, "accuracy")
plot_graphs(cnn_trained_model, "loss")

方法二：为曲线添加label参数（更规范） #

给每条绘制的曲线添加label属性，再直接调用plt.legend()自动识别标签，这种方式更易维护：

import matplotlib.pyplot as plt

def plot_graphs(cnn_trained_model, string):
    # 为每条曲线设置label
    plt.plot(cnn_trained_model.history[string], label=f'train_{string}')
    plt.plot(cnn_trained_model.history['val_'+string], label=f'validation_{string}')
    plt.xlabel("Epochs")
    plt.ylabel(string.capitalize())
    # 自动读取label生成图例
    plt.legend()
    plt.show()

# 绘制准确率和损失曲线
plot_graphs(cnn_trained_model, "accuracy")
plot_graphs(cnn_trained_model, "loss")

关于代理艺术家失败的说明 #

你尝试的代理艺术家方法完全没必要，因为matplotlib本身支持直接通过label参数或legend的文本列表设置图例，无需额外创建代理对象。之前的警告是因为传入的Line2D对象使用方式错误，直接用上述两种方法即可解决问题。

内容的提问来源于stack exchange，提问作者Bluetail