如何绘制 keras 实验的学习曲线？

我正在使用 keras 训练 RNN，并希望了解验证准确性如何随数据集大小变化。 Keras 有一个名为val_acc在其历史对象中，该对象在每个时期之后附加相应的验证集准确性（链接到谷歌群组中的帖子 https://groups.google.com/forum/#!topic/keras-users/_d52pVCR_gg）。我想得到的平均值val_acc计算运行的纪元数，并将其与相应的数据集大小进行比较。

问题：如何检索其中的元素val_acc列出并执行类似的操作numpy.mean(val_acc)?

EDIT:正如@runDOSrun所说，获取平均值val_acc没有意义。让我集中精力进入决赛val_acc.

我尝试了@nemo 的建议，但没有成功。这是我打印时得到的结果

model.fit(X_train, y_train, batch_size = 512, nb_epoch = 5, validation_split = 0.05).__dict__

output:

{'model': <keras.models.Sequential object at 0x000000001F752A90>, 'params': {'verbose': 1, 'nb_epoch': 5, 'batch_size': 512, 'metrics': ['loss', 'val_loss'], 'nb_sample': 1710, 'do_validation': True}, 'epoch': [0, 1, 2, 3, 4], 'history': {'loss': [0.96936064512408959, 0.66933631673890948, 0.63404161288724303, 0.62268789783555867, 0.60833334699708819], 'val_loss': [0.84040999412536621, 0.75676006078720093, 0.73714292049407959, 0.71032363176345825, 0.71341043710708618]}}

事实证明没有列表val_acc在我的历史词典里。

问题：如何纳入val_acc进入history字典？

要获得精度值，您需要请求在期间计算它们fit，因为准确性不是目标函数，而是（常见）度量。有时计算精度没有意义，因此 Keras 中默认不启用它。然而，它是一个内置指标，并且易于添加。

要添加指标，use metrics=['accuracy']参数为model.compile https://keras.io/models/sequential/.

在你的例子中：

history = model.fit(X_train, y_train, batch_size = 512, 
          nb_epoch = 5, validation_split = 0.05)

然后您可以访问验证准确性：history.history['val_acc']