モデルの検証中のKerasでのverboseの使用は何ですか？

LSTMモデルを初めて実行しています。これが私のモデルです：

opt = Adam(0.002)
inp = Input(...)
print(inp)
x = Embedding(....)(inp)
x = LSTM(...)(x)
x = BatchNormalization()(x)
pred = Dense(5,activation='softmax')(x)

model = Model(inp,pred)
model.compile(....)

idx = np.random.permutation(X_train.shape[0])
model.fit(X_train[idx], y_train[idx], nb_epoch=1, batch_size=128, verbose=1)

モデルのトレーニング中の詳細の使用は何ですか？

ここでmodel.fitのドキュメントを確認してください。

詳細0、1、または2を設定することにより、各エポックのトレーニングの進行状況をどのように「確認」したいかを言うだけです。

verbose=0 何も表示されません（サイレント）

verbose=1 次のようなアニメーションのプログレスバーが表示されます。

verbose=2 このようにエポックの数について言及します：

verbose: Integer。0、1、または2。詳細モード。

Verbose = 0（サイレント）

Verbose = 1（プログレスバー）

Train on 186219 samples, validate on 20691 samples
Epoch 1/2
186219/186219 [==============================] - 85s 455us/step - loss: 0.5815 - acc: 
0.7728 - val_loss: 0.4917 - val_acc: 0.8029
Train on 186219 samples, validate on 20691 samples
Epoch 2/2
186219/186219 [==============================] - 84s 451us/step - loss: 0.4921 - acc: 
0.8071 - val_loss: 0.4617 - val_acc: 0.8168

Verbose = 2（エポックごとに1行）

Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.5746 - acc: 0.7753 - val_loss: 0.4816 - val_acc: 0.8075
Train on 186219 samples, validate on 20691 samples
Epoch 1/1
 - 88s - loss: 0.4880 - acc: 0.8076 - val_loss: 0.5199 - val_acc: 0.8046

以下のためにverbose> 0、fitメソッドログ：

• 損失：トレーニングデータの損失関数の値
• acc：トレーニングデータの精度値。

注：正則化メカニズムが使用されている場合、過剰適合を回避するために正則化メカニズムがオンになっています。

場合validation_dataまたはvalidation_split引数が、空にされていないfit方法でログを：

• val_loss：検証データの損失関数の値
• val_acc：検証データの精度値

注：ネットワークのすべての機能を使用しているため、テスト時には正則化メカニズムがオフになっています。

たとえば、verboseトレーニング中にモデルを使用accするval_accと、悪化している間に改善を続ける場合に発生する過剰適合を検出するのに役立ちます。

デフォルトではverbose = 1、

verbose = 1、これにはプログレスバーとエポックごとの1行の両方が含まれます

詳細= 0、サイレントを意味します

verbose = 2、エポックごとに1行、つまりエポック番号/合計番号 エポックの

詳細フラグで提供される詳細の順序は次のとおりです。

詳細が少ない....詳細

0 <2 <1

デフォルトは1です

実稼働環境では、2をお勧めします