mindspore.LossMonitor
- class mindspore.LossMonitor(per_print_times=1)[源代码]
训练场景下,监控训练的loss;边训练边推理场景下,监控训练的loss和推理的metrics。
如果loss是NAN或INF,则终止训练。
Note
如果 per_print_times 为0,则不打印loss。
参数:
per_print_times (int) - 表示每隔多少个step打印一次loss。默认值:1。
异常:
ValueError - 当 per_print_times 不是整数或小于零。
样例:
>>> import mindspore as ms >>> from mindspore import nn >>> >>> net = LeNet5() >>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean') >>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9) >>> model = ms.Model(net, loss_fn=loss, optimizer=optim) >>> data_path = './MNIST_Data' >>> dataset = create_dataset(data_path) >>> loss_monitor = LossMonitor() >>> model.train(10, dataset, callbacks=loss_monitor)
- on_train_epoch_end(run_context)[源代码]
LossMoniter用于 model.fit,即边训练边推理场景时,打印训练的loss和当前epoch推理的metrics。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。
- step_end(run_context)[源代码]
step结束时打印训练loss。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。