Keras Model.fit подробное форматирование

Question

Я запускаю Keras model.fit () в записной книжке Jupyter, и вывод очень грязный, если для verbose установлено значение 1:

    Train on 6400 samples, validate on 800 samples
    Epoch 1/200
    2080/6400 [========>.....................] - ETA: 39s - loss: 0.4383 - acc: 0.79 
    - ETA: 34s - loss: 0.3585 - acc: 0.84 - ETA: 33s - loss: 0.3712 - acc: 0.84 
    - ETA: 34s - loss: 0.3716 - acc: 0.84 - ETA: 33s - loss: 0.3675 - acc: 0.84 
    - ETA: 33s - loss: 0.3650 - acc: 0.84 - ETA: 34s - loss: 0.3759 - acc: 0.83 
    - ETA: 34s - loss: 0.3933 - acc: 0.82 - ETA: 34s - loss: 0.3985 - acc: 0.82 
    - ETA: 34s - loss: 0.4057 - acc: 0.82 - ETA: 33s - loss: 0.4071 - acc: 0.81 
    ....

Как вы можете видеть, выходные данные ETA, убыток, акк продолжали добавляться в журнал, а не заменять исходные значения ETA / убыток / акк в первой строке, подобно тому, как работает индикатор выполнения.

Как мне исправить это так, чтобы за одну эпоху отображалась только 1 строка индикатора выполнения, ETA, loss & acc? Прямо сейчас, у моей клеточной продукции есть тонны этих линий, поскольку обучение продолжается.

Я использую Python 3.6.1 в Windows 10 со следующими версиями модуля:

jupyter                            1.0.0
jupyter-client                     5.0.1
jupyter-console                    5.1.0
jupyter-core                       4.3.0
jupyterthemes                      0.19.0
Keras                              2.2.0
Keras-Applications                 1.0.2
Keras-Preprocessing                1.0.1
tensorflow-gpu                     1.7.0

Спасибо.

Answer 1

Вы можете попробовать адаптированную Keras версию библиотеки индикатора выполнения TQDM.

• оригинальная библиотека TQDM: https://github.com/tqdm/tqdm
• Версия Keras TQDM: https://github.com/bstriner/keras-tqdm

Инструкции по использованию можно свести к:

1. установить, например, за pip install keras-tqdm (стабильный) или pip install git+https://github.com/bstriner/keras-tqdm.git (для последней версии для разработчиков)

2. импортировать функцию обратного вызова с помощью from keras_tqdm import TQDMNotebookCallback

3. запустить Keras 'fit или fit_generator с настройками verbose=0, но с обратным вызовом импортированных TQDMNotebookCallback, например, model.fit(X_train, Y_train, verbose=0, callbacks=[TQDMNotebookCallback])

Результат: