未将model.fit赋值给变量时能否绘制训练准确率、损失等曲线？

默认情况下，如果已经完成model.fit()训练且没有将返回值赋值给变量，也没有预先配置指标记录工具，无法回溯获取历史训练指标，也就不能绘制accuracy、loss等指标的变化曲线。

两种规避/补救方案 #

• 方案1：训练前保存fit方法的返回History对象（最常用）
  model.fit()执行后默认会返回一个History实例，对象的history属性是字典，存储了每一轮训练的所有指标值，示例用法如下：

# 赋值保存返回值
history = model.fit(x_train, y_train, epochs=10, validation_split=0.2)

# 绘制训练/验证准确率曲线示例
import matplotlib.pyplot as plt
plt.plot(history.history['accuracy'], label='Training Accuracy')
plt.plot(history.history['val_accuracy'], label='Validation Accuracy')
plt.legend()
plt.show()

• 方案2：预先配置回调持久化记录指标（无需关心返回值）
  如果不想每次都手动保存返回值，可以提前配置Keras官方的CSVLogger回调，训练过程会自动把每轮的指标写入本地日志文件，后续直接读取文件即可绘图，示例用法如下：

from tensorflow.keras.callbacks import CSVLogger

# 配置日志回调，指标将自动写入training.csv
csv_logger = CSVLogger('training.csv', append=False)
# 训练时传入回调，无需赋值返回值也能留存指标
model.fit(x_train, y_train, epochs=10, validation_split=0.2, callbacks=[csv_logger])

如果训练已经完成且没有做上述任何准备，只能重新运行训练流程留存指标后再绘图。

内容的提问来源于stack exchange，提问作者geghampetrosyan