Отсутствует val_acc после подгонки последовательной модели

Question

Мне не хватает информации об атрибуте 'val_acc', когда я подгоняю скомпилированную последовательную модель.

У меня есть последовательная модель, которая составлена ​​с метриками «точности»

model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

и я ожидаю получить информацию об атрибутах ['acc', 'loss', 'val_acc', 'val_loss'] после установки этой нейронной сети

history = model.fit(X, Y, epochs=100, batch_size=10)

Но информация о val_acc отсутствует на индикаторе прогресса

Epoch 14/100
768/768 [==============================] - 0s 212us/step - loss: 0.4356 - acc: 0.7969
Epoch 15/100
768/768 [==============================] - 0s 219us/step - loss: 0.4388 - acc: 0.8034
Epoch 16/100
768/768 [==============================] - 0s 220us/step - loss: 0.4398 - acc: 0.7956

И это упущено также в истории объекта

>>> print (history.history.keys())
dict_keys(['loss', 'acc'])

Как получить недостающие атрибуты ('val_acc', 'val_loss') при обучении нейронной сети?

Answer 1

history = model.fit(X, Y, epochs=100, batch_size=10)

В вашем методе fit отсутствуют данные проверки, поэтому он не может рассчитать показатели проверки.

• Либо разделите некоторые данные вашего поезда на набор проверки и передайте их явно с помощью validation_data аргумента метода подгонки

  или

• Используйте validation_split аргумент метода соответствия, чтобы использовать некоторые% ваших данных поезда в качестве данных проверки.Пример: validation_split=0.15 будет использовать 15% данных вашего поезда в качестве проверочных данных.