Как записать сводку модели Keras в информационный фрейм?

Question

Во-первых, я скажу, что это не способ правильно запустить модель Keras.Там должен быть поезд и тестовый набор.Задание было строго развить интуицию, поэтому тестов не было.

Я запускаю модель через несколько перестановок нейронов, функций активации, пакетов и слоев.Вот код, который я использую.

from sklearn.datasets import make_classification
X1, y1 = make_classification(n_samples=90000, n_features=17, n_informative=6, n_redundant=0, n_repeated=0, n_classes=8, n_clusters_per_class=3, weights=None, flip_y=.3, class_sep=.4, hypercube=False, shift=3, scale=2, shuffle=True, random_state=840780)

class_num = 8

# ----------------------------------------------------------------

import itertools

final_param_list = []

# param_list_gen order is  units, activation function, batch size, layers
param_list_gen = [[10, 20, 50], ["sigmoid", "relu", "LeakyReLU"], [8, 16, 32], [1, 2]]
for element in itertools.product(*param_list_gen):
    final_param_list.append(element)

# --------------------------------------------------------------------------------------

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten, LeakyReLU
from keras.callbacks import History
import tensorflow as tf
import numpy as np
import pandas as pd

# --------------------------------------------------------------------------------------



# --------  Model 1 - permutations of neurons, activation funtions batch size and layers -------- #

for param in final_param_list:
    q2model1 = Sequential()

    # hidden layer 1
    q2model1.add(Dense(param[0]))
    if param[1] != 'LeakyReLU':
        q2model1.add(Activation(param[1]))
    else:
        q2model1.add(LeakyReLU(alpha=0.1))

    if param[3] == 2:
        # hidden layer 2
        q2model1.add(Dense(param[0]))
        if param[1] != 'LeakyReLU':
            q2model1.add(Activation(param[1]))
        else:
            q2model1.add(LeakyReLU(alpha=0.1))

    # output layer
    q2model1.add(Dense(class_num, activation='softmax'))

    q2model1.compile(loss='sparse_categorical_crossentropy', optimizer='RMSProp', metrics=['accuracy'])

    # Step 3: Fit the model

    history = q2model1.fit(X1, y1, epochs=20)

Кажется, работает нормально.Теперь мне было поручено вывести точность каждой эпохи и включить нейроны, функцию активации, пакеты, слои

Теперь это дает мне все точности для каждой эпохи

print(history.history['acc'])

Это дает мне параметры

print(param)

Это дает мне сводку, хотя я не уверен, что это лучший подход

print(q2model1.summary())

Есть ли способ распечатать каждыйэпоха для фрейма данных pandas, чтобы он выглядел следующим образом?

Фаза (индекс списка + 1) |# Нейроны |Функция активации |Размер партии |Слои |Acc epoch1 |Acc epoch2 |......... |Acc epoch20

Вот и все.Если вы видите в самой модели что-то явно неправильное или мне не хватает некоторого кода ключа, пожалуйста, сообщите мне

Answer 1

Вы можете попробовать:

import pandas as pd

# assuming you stored your model.fit results in a 'history' variable:
history = model.fit(x_train, y_train, epochs=20)

# convert the history.history dictionary to a pandas dataframe:     
hist_df = pd.DataFrame(history.history) 

# checkout result with print e.g.:    
print(hist_df)

# or the describe() method:
hist_df.describe()

У Keras также есть CSVLogger: https://keras.io/callbacks/#csvlogger, который может представлять интерес.