在 GitHub 上编辑
Keras
DVCLive 可以为您的 Keras 项目添加实验跟踪功能。
用法
将 DVCLiveCallback 添加到传递给您的 Model 的回调列表中：
from dvclive.keras import DVCLiveCallback
...
model.fit(
train_dataset, epochs=num_epochs, validation_data=validation_dataset,
callbacks=[DVCLiveCallback()])每个指标将被记录到：
{Live.plots_dir}/metrics/{split}/{metric}.tsv其中：
{Live.plots_dir}在Live中定义。{split}可以是train或eval。{metric}是框架提供的名称。
参数
-
live-（默认为None）- 可选的Live实例。若为None，将使用**kwargs创建一个新实例。 -
**kwargs- 任何其他参数都将用于实例化一个新的Live实例。若使用了live，这些参数将被忽略。
示例
- 使用
live传入一个已有的Live实例。
from dvclive import Live
from dvclive.keras import DVCLiveCallback
with Live("custom_dir") as live:
model.fit(
train_dataset,
epochs=num_epochs,
validation_data=validation_dataset,
callbacks=[DVCLiveCallback(live=live)])
model.load_weights(os.path.join("model", "best_model"))
# Log additional data after training
test_loss, test_acc = model.evaluate(test_dataset)
live.log_metric("test_loss", test_loss, plot=False)
live.log_metric("test_acc", test_acc, plot=False)- 使用
**kwargs自定义新的Live实例。
model.fit(
train_dataset,
epochs=num_epochs,
validation_data=validation_dataset,
callbacks=[DVCLiveCallback(dir="custom_dir")])