如何记录模型训练过程中loss值的变化趋势？

本文共计1296个文字，预计阅读时间需要6分钟。

记录训练过程中每一步的loss变化。如果verbose标志为True且步数为verbose的倍数，则输出当前loss值：

记录训练过程中的每一步loss变化。当步数是verbose的倍数时输出： 步数/总步数: loss={loss值}

记录训练过程中的每一步的loss变化

if verbose and step % verbose == 0: sys.stdout.write('\r{} / {} : loss = {}'.format( step, total_steps, np.mean(total_loss))) sys.stdout.flush() if verbose: sys.stdout.write('\r') sys.stdout.flush()

一般我们在训练神经网络模型的时候，都是每隔多少步，输出打印一下loss或者每一步打印一下loss，今天发现了另一种记录loss变化的方法，就是用

sys.stdout.write('\r{} / {} : loss = {}')

如图上的代码，可以记录每一个在每个epoch中记录用一行输出就可以记录每个step的loss值变化，

\r就是输出不会换行，因此如果你想同一样输出多次，在需要输出的字符串对象里面加上"\r",就可以回到行首了。