二、训练完以后的记录去哪里找

系列文章：
一、搭建属于你的第一个神经网络
三、【keras实战】波士顿房价预测

---

之前没有系统学习keras，每次等到程序跑完了，我都会在消息记录窗口选定后往上狂拖选定，复制，然后建立txt粘贴，再写一个re来正则匹配所需数据的程序，还觉得自己很机智，看了keras的具体功能以后，简直无地自容。
我们在model.fit()训练完以后，其实返回了一个obj，叫做history，保存了训练过程中的所有数据，接下来通过代码来讲解。

>>> history_dict = history.history
>>> history_dict.keys()
[u'acc', u'loss', u'valacc', u'valloss']

首先将对象里面的history字典存入history_dict，然后查看字典里面的键。
接下来试着使用matplotlib来作出之前训练完的数据的一些图像。

import matplotlib.pyplot as plt
acc = history.history['acc']
val_acc = history.history['val_acc']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(1, len(acc) + 1)
# "bo" is for "blue dot"
plt.plot(epochs, loss, 'bo', label='Training loss')
# b is for "solid blue line"
plt.plot(epochs, val_loss, 'b', label='Validation loss')
plt.title('Training and validation loss')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()

前面几句很容易理解，从history分别将acc，val_acc,loss,val_loss提取出来，加了val前缀的是每个epoche所得到的模型丢测试集得到的结果。

plt.clf() # clear figure
acc_values = history_dict['acc']
val_acc_values = history_dict['val_acc']
plt.plot(epochs, acc, 'bo', label='Training acc')
plt.plot(epochs, val_acc, 'b', label='Validation acc')
plt.title('Training and validation accuracy')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()

也不难理解，此时作出的是损失随训练epoches的变化

用已经训练好的模型来预测新的数据

>>> model.predict(x_test)
[ 0.98006207]
  [ 0.99758697]
  [ 0.99975556]
  ...,
  [ 0.82167041]
  [ 0.02885115]
  [ 0.65371346]]

返回的值是模型认为这次预测的把握有多大。