Python darts 中的 RNN 训练指标

Question

我目前正在使用 python darts 训练 RNNModel。为了比较不同的训练模型，我想从 fit 方法中提取 train_loss 和 val_loss 。我该怎么做？我读过一些有关度量集合的内容，但不知道如何使用它。

这是我当前的代码

from darts.models import RNNModel
from darts import TimeSeries

train = # training data as TimeSeries
model = RNNModel(model="LSTM", input_chunk_length=self.past_samples)
model.fit(train)

训练期间控制台中会显示损失，但我不知道如何访问它。

到目前为止，我已尝试在网上查找任何文档，并向 bing chat 和 ChatGPT 寻求帮助。然而他们告诉我使用不存在的

model.history.history["loss"]

Answer 1

要从 Darts 中

train_loss

 的 

val_loss

 方法中提取 

fit

 和 

RNNModel

，您可以使用自定义 PyTorch Lightning 回调。

from darts import TimeSeries
from darts.models import RNNModel
from pytorch_lightning.callbacks import Callback
import matplotlib.pyplot as plt

创建自定义回调来记录每个时期结束时的训练和验证损失。

class LossRecorder(Callback):
    def __init__(self):
        self.train_loss_history = []
        self.val_loss_history = []

    def on_train_epoch_end(self, trainer, pl_module):
        self.train_loss_history.append(trainer.callback_metrics["train_loss"].item())
        self.val_loss_history.append(trainer.callback_metrics["val_loss"].item())

初始化

LossRecorder

 回调。

loss_recorder = LossRecorder() 初始化

RNNModel

 并将 

LossRecorder

 回调传递给 

pl_trainer_kwargs

 参数。

model = RNNModel(
    model="LSTM",
    pl_trainer_kwargs={"callbacks": [loss_recorder]}
)

使用您的训练和验证数据训练模型。

model.fit(train_series, val_series=val_series) 训练后，绘制记录的训练和验证损失。

plt.plot(loss_recorder.train_loss_history, label='Train Loss')
plt.plot(loss_recorder.val_loss_history, label='Val Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()
plt.show()