Keras：損失や精度

Question

私はTensorflowバックエンドとKerasにCNNを訓練していますためアクセスできない歴史、

mod1=gmodel.fit(images, train_labels, 
     batch_size=100, 
     epochs=2, 
     verbose=1, 
     validation_data=(test_images, test_labels)) 

、すべてのエポックで、私は、出力精度と損失で印刷見ることができます

（までここにすべてが大丈夫と思われる）。終わり

Epoch 1/10 
1203/1203 [==============================] - 190s - loss: 0.7600 - acc: 0.5628 
- val_loss: 0.5592 - val_acc: 0.6933 
Epoch 2/10 
1203/1203 [==============================] - 187s - loss: 0.5490 - acc: 0.6933 
- val_loss: 0.4589 - val_acc: 0.7930 
Epoch 3/10 
.... 

、私は以前のプロジェクトで、私は

mod1.history['val_loss'] 

を通じて検証損失をアクセスしてきたが、.history()が空であるかのように、私はエラーを取得していますので、検証損失をプロットしたいです。

TypeError         Traceback (most recent call last) 
<ipython-input-23-ecdd306e9232> in <module>() 
----> 1 modl.history() 
TypeError: 'History' object is not callable 

EDIT（以下の答えの後）：私は、例えば、損失にアクセスしよう：

--------------------------------------------------------------------------- 
TypeError         Traceback (most recent call last) 
<ipython-input-34-06fcc6efb374> in <module>() 
----> 1 mod1.history['val_loss'] 

TypeError: 'History' object is not subscriptable 

は私が前に、この問題のようなものを発見していないので、私は何にとして失われています起こっている可能性がありますかデバッグする方法。

どのような指針やアイデアをいただければ幸いです。

Answer 1

あなたがmod1.history['val_loss']と呼ばれていると言うが、あなたのエラーメッセージが異なる物語 - おそらく、ダニエル・モラーはすでにコメントしているとして、あなたが実際に持っているが（括弧ですなわち）mod1.history()のようなものを使用。

mod1.history() 
--------------------------------------------------------------------------- 
TypeError         Traceback (most recent call last) 
<ipython-input-20-67bafe3187cc> in <module>() 
----> 1 mod1.history() 

TypeError: 'dict' object is not callable 

mod1.historyが()で呼び出される関数ではなく、Pythonの辞書：

mod1.history 
# result: 
{'acc': [0.82374999999999998, 
    0.94294999999999995, 
    0.95861666666666667, 
    ...], 
'loss': [0.62551526172161098, 
    0.18810810926556587, 
    0.13734668906728426, 
    ...], 
'val_loss': [12.05395287322998, 
    11.584557554626464, 
    10.949809835815429, 
    ...]} 

mod1.history['val_loss'] 
# result: 
[12.05395287322998, 
11.584557554626464, 
10.949809835815429, 
...]