forked from mindspore-Ecosystem/mindspore
37 lines
1.4 KiB
ReStructuredText
37 lines
1.4 KiB
ReStructuredText
mindspore.train.LossMonitor
|
||
===========================
|
||
|
||
.. py: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。
|
||
|
||
.. 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：
|
||
|
||
.. note::
|
||
运行以下样例之前，需自定义网络LeNet5和数据集准备函数create_dataset。详见 `网络构建 <https://www.mindspore.cn/tutorials/zh-CN/master/beginner/model.html>`_ 和 `数据集 Dataset <https://www.mindspore.cn/tutorials/zh-CN/master/beginner/dataset.html>`_ 。
|
||
|
||
.. py:method:: 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 :class:`mindspore.train.RunContext`。
|
||
|
||
.. py:method:: 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 :class:`mindspore.train.RunContext`。
|