使用tflite_model_maker训练模型如何绘制准确率等性能变化曲线

解决方法 #

tflite_model_maker 封装了Keras训练逻辑，返回的模型对象默认不直接暴露history属性，你可以通过传入Keras原生回调的方式捕获训练过程的指标数据，具体操作如下：

1. 提前导入依赖库并初始化历史记录回调

import matplotlib.pyplot as plt
from tensorflow.keras.callbacks import History

# 实例化History回调，用于捕获训练指标
history_cb = History()

2. 修改image_classifier.create调用，新增callbacks参数传入回调实例

model = image_classifier.create(train_data,
                                model_spec = model_spec.get('efficientnet_lite4'),
                                validation_data=validation_data,
                                batch_size = 32,
                                epochs=200,
                                train_whole_model = True,
                                dropout_rate=0.25,
                                learning_rate = 0.01,
                                momentum = 0.9,
                                shuffle=True,
                                # 新增回调参数，可同时传入多个Keras标准回调
                                callbacks=[history_cb]
                                ) 

3. 训练完成后，从回调对象中提取指标绘制曲线，示例代码如下：

plt.rcParams['font.sans-serif'] = ['SimHei'] # 可选，解决中文显示问题
plt.figure(figsize=(12,5))

# 绘制准确率曲线
plt.subplot(1,2,1)
plt.plot(history_cb.history['accuracy'], label='训练准确率')
plt.plot(history_cb.history['val_accuracy'], label='验证准确率')
plt.title('准确率变化曲线')
plt.xlabel('训练轮次')
plt.ylabel('准确率')
plt.legend()

# 绘制损失曲线
plt.subplot(1,2,2)
plt.plot(history_cb.history['loss'], label='训练损失')
plt.plot(history_cb.history['val_loss'], label='验证损失')
plt.title('损失变化曲线')
plt.xlabel('训练轮次')
plt.ylabel('损失值')
plt.legend()

plt.tight_layout()
plt.show()

如果你需要早停、训练过程日志持久化等能力，也可以把EarlyStopping、TensorBoard等其他Keras标准回调一同添加到callbacks列表中，使用逻辑和原生Keras训练完全一致。

内容的提问来源于stack exchange，提问作者zeewa42