def learning_curve(history, epoch):
plt.figure(figsize=(10,5))
# 정확도 차트
epoch_range = np.arange(1, epoch + 1)
plt.subplot(1, 2, 1)
plt.plot(epoch_range, history.history['accuracy'])
plt.plot(epoch_range, history.history['val_accuracy'])
plt.title('Model Accuracy')
plt.xlabel('Epoch')
plt.ylabel("Accurach")
plt.legend( ['Train', 'Val'] )
# plt.show()
# loss 차트
plt.subplot(1, 2, 2)
plt.plot(epoch_range, history.history['loss'])
plt.plot(epoch_range, history.history['val_loss'])
plt.title('Model Loss')
plt.xlabel('Epoch')
plt.ylabel("Loss")
plt.legend( ['Train', 'Val'] )
plt.show()
learning_curve(epoch_history, 50)
'인공지능' 카테고리의 다른 글
인공지능 : Base Model/ Head Model 의 분류 (0) | 2021.12.28 |
---|---|
인공지능 : Transfer Learing / 만들어진 인공지능 이용하기 ,만들어진 뉴널네크워크 활용하기 (0) | 2021.12.28 |
인공지능 : 파일열고 경로 셋팅하기/ 파일열고 경로 셋팅하는 코드 (0) | 2021.12.28 |
인공지능 : 좋은 모델 자동으로 저장하는 방법 (0) | 2021.12.28 |
인공 지능 : ANN(Artificial Neural Network) 개념과 코드 / 인공 신경망 / InputLayer / HiddenLayer / OutputLayer / Activaiton Function (0) | 2021.12.05 |