ProgBarLogger

class paddle.callbacks.ProgBarLogger ( log_freq=1, verbose=2 )

ProgBarLogger 是一个日志回调类。

参数：

  • log_freq (int，可选) - 损失值和指标打印的频率。默认值：1。

  • verbose (int，可选) - 打印信息的模式。设置为0时，不打印信息； 设置为1时，使用进度条的形式打印信息；设置为2时，使用行的形式打印信息。 设置为3时，会在2的基础上打印详细的计时信息，比如 average_reader_cost。 默认值：2。

代码示例：

  1. import paddle
  2. import paddle.vision.transforms as T
  3. from paddle.static import InputSpec
  5. inputs = [InputSpec([-1, 1, 28, 28], 'float32', 'image')]
  6. labels = [InputSpec([None, 1], 'int64', 'label')]
  8. transform = T.Compose([
  9.     T.Transpose(),
  10.     T.Normalize([127.5], [127.5])
  11. ])
  12. train_dataset = paddle.vision.datasets.MNIST(mode='train', transform=transform)
  14. lenet = paddle.vision.LeNet()
  15. model = paddle.Model(lenet,
  16.     inputs, labels)
  18. optim = paddle.optimizer.Adam(0.001, parameters=lenet.parameters())
  19. model.prepare(optimizer=optim,
  20.             loss=paddle.nn.CrossEntropyLoss(),
  21.             metrics=paddle.metric.Accuracy())
  23. callback = paddle.callbacks.ProgBarLogger(log_freq=10)
  24. model.fit(train_dataset, batch_size=64, callbacks=callback)
  27. import paddle
  28. import paddle.vision.transforms as T
  29. from paddle.vision.datasets import MNIST
  30. from paddle.static import InputSpec
  32. inputs = [InputSpec([-1, 1, 28, 28], 'float32', 'image')]
  33. labels = [InputSpec([None, 1], 'int64', 'label')]
  35. transform = T.Compose([
  36.     T.Transpose(),
  37.     T.Normalize([127.5], [127.5])
  38. ])
  39. train_dataset = MNIST(mode='train', transform=transform)
  41. lenet = paddle.vision.LeNet()
  42. model = paddle.Model(lenet,
  43.     inputs, labels)
  45. optim = paddle.optimizer.Adam(0.001, parameters=lenet.parameters())
  46. model.prepare(optimizer=optim,
  47.             loss=paddle.nn.CrossEntropyLoss(),
  48.             metrics=paddle.metric.Accuracy())
  50. callback = paddle.callbacks.ProgBarLogger(log_freq=10)
  51. model.fit(train_dataset, batch_size=64, callbacks=callback)