mindspore.train.LossMonitor

class mindspore.train.LossMonitor(per_print_times=1)

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。

说明

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：

>>> from mindspore import nn
>>> from mindspore.train import Model, LossMonitor
>>>
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.q1/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean')
>>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9)
>>> model = Model(net, loss_fn=loss, optimizer=optim)
>>> # Create the dataset taking MNIST as an example. Refer to
>>> # https://gitee.com/mindspore/docs/blob/r2.3.q1/docs/mindspore/code/mnist.py
>>> dataset = create_dataset()
>>> loss_monitor = LossMonitor()
>>> model.train(10, dataset, callbacks=loss_monitor)

on_train_epoch_end(run_context)

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.train.RunContext。

step_end(run_context)

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.train.RunContext。