如何实现每10个Epoch输出一次性能指标？含训练代码场景

嘿，这俩问题本质上是一回事儿，都是要控制训练过程中日志的输出频率对吧？我给你两种靠谱的解决办法，推荐第一种，更符合Keras的最佳实践～

方法一：自定义回调函数（推荐） #

Keras自带的fit方法默认的输出模式要么太频繁要么太简洁，咱们可以通过自定义回调类来精准控制每10个Epoch输出一次信息。这种方式不用自己写循环，Keras会自动帮你在每个Epoch结束时触发回调逻辑。

具体步骤： #

1. 导入Keras的回调基类
2. 定义一个继承自Callback的自定义日志类，重写on_epoch_end方法来判断是否是第10、20...个Epoch，然后输出指标
3. 在model.fit里加入这个回调即可

修改后的完整代码如下：

from tensorflow.keras.callbacks import Callback

# 自定义每10个Epoch输出的回调类
class TenEpochLogger(Callback):
    def on_epoch_end(self, epoch, logs=None):
        # 注意Keras里的epoch参数是从0开始计数的，所以实际Epoch数要+1
        if (epoch + 1) % 10 == 0:
            print(f"\n=== Epoch {epoch+1} 训练结束 ===")
            # 遍历logs里的所有指标（比如loss、accuracy等，取决于你模型编译时的设置）
            for metric_name, metric_value in logs.items():
                print(f"  {metric_name}: {metric_value:.4f}")

# 你的原有代码，加上回调参数
model = baseline_model()
# 实例化自定义回调
epoch_logger = TenEpochLogger()
# fit时传入callbacks，同时设置verbose=0关闭默认输出（避免重复打印）
model.fit(X_train, y_train, epochs=50, callbacks=[epoch_logger], verbose=0)
y_pred = model.predict(X)

这样设置后，每完成10个Epoch，就会清晰地打印出该Epoch对应的所有性能指标，完全符合你的需求～

方法二：手动分批次训练（备选） #

如果你更习惯自己写循环控制训练节奏，也可以把50个Epoch拆成5次，每次训练10个Epoch，然后手动评估并输出指标：

model = baseline_model()
total_epochs = 50
batch_epochs = 10

for start_epoch in range(0, total_epochs, batch_epochs):
    # 训练10个Epoch，initial_epoch确保接着上一次的进度继续训练
    model.fit(X_train, y_train, epochs=start_epoch + batch_epochs, 
              initial_epoch=start_epoch, verbose=0)
    # 评估并输出当前训练后的指标
    current_epoch = start_epoch + batch_epochs
    print(f"\n=== 完成第{current_epoch}个Epoch训练 ===")
    # 这里的评估指标要和你模型编译时的metrics对应，比如loss和accuracy
    loss, accuracy = model.evaluate(X_train, y_train, verbose=0)
    print(f"  loss: {loss:.4f}, accuracy: {accuracy:.4f}")

y_pred = model.predict(X)

这种方式也能实现需求，但相比回调函数，代码会更繁琐一点，而且需要手动处理评估逻辑，所以更推荐第一种回调的方式。

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