--------------------------------------------------------------------------- AttributeError Traceback (most recent call last) Cell In[17], line 1 ----> 1 utils.plot_history(history, ('loss', 'binary_accuracy')); AttributeError:

在使用 `utils.plot_history` 进行深度学习模型训练结果可视化时出现 `AttributeError`，通常意味着尝试访问的对象没有预期的属性。这种错误可能由多种原因导致，以下是一些常见原因及解决方法： ### 1. `history` 对象未正确返回或未包含所需属性 在调用 `model.fit()` 时，其返回值应是一个 `History` 对象，该对象包含训练过程中的损失值和评估指标。如果该对象未正确获取或被意外修改，可能导致 `plot_history` 方法无法访问必要的属性（如 `history.history['loss']`）。 确保在训练模型时正确获取了 `history` 对象： ```python history = model.fit(X_train, y_train, epochs=10, validation_data=(X_val, y_val)) ``` 如果 `history` 对象缺失或未包含预期字段，调用 `utils.plot_history(history)` 会抛出 `AttributeError`。请检查 `history` 是否包含 `history` 属性，例如： ```python print(history.history.keys()) ``` ### 2. `utils.plot_history` 方法不存在或未正确导入 `plot_history` 并不是 Keras 或 TensorFlow 的内置方法。它可能是用户自定义的工具函数，或者来自某个特定的库（如 `keras.utils` 或第三方工具包）。如果该方法未正确定义或导入，调用时将导致 `AttributeError`。 确保正确导入 `plot_history`： ```python from keras.utils import plot_history # 假设该方法存在于 keras.utils 中 ``` 如果没有找到该方法，可以手动定义一个简单的 `plot_history` 函数用于可视化训练历史记录： ```python import matplotlib.pyplot as plt def plot_history(history): plt.plot(history.history['loss'], label='train_loss') plt.plot(history.history['val_loss'], label='val_loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show() ``` ### 3. `history` 对象被错误地传递或处理 在某些情况下，`history` 对象可能被错误地修改或传递了错误类型的对象。例如，如果传递的是 `history.history` 而不是 `history` 本身，会导致 `plot_history` 无法访问必要的属性。 确保传递的是 `History` 对象，而不是字典： ```python # 正确 utils.plot_history(history) # 错误 utils.plot_history(history.history) ``` ### 4. 使用了不兼容的库版本 某些版本的 Keras 或 TensorFlow 可能对 `History` 对象的结构进行了调整，导致依赖旧版本的 `plot_history` 方法无法正常工作。确保使用的库版本与代码兼容。 可以通过以下命令检查当前安装的 Keras 和 TensorFlow 版本： ```bash pip show keras tensorflow ``` 如需更新库版本，可使用： ```bash pip install --upgrade keras tensorflow ``` ### 示例代码 一个完整的训练与可视化流程示例如下： ```python from keras.models import Sequential from keras.layers import Dense import matplotlib.pyplot as plt # 构建模型 model = Sequential([ Dense(64, activation='relu', input_shape=(10,)), Dense(1) ]) model.compile(optimizer='adam', loss='mse') # 训练模型 history = model.fit(X_train, y_train, epochs=10, validation_data=(X_val, y_val)) # 自定义绘图函数 def plot_history(history): plt.plot(history.history['loss'], label='train_loss') plt.plot(history.history['val_loss'], label='val_loss') plt.title('Training and Validation Loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show() plot_history(history) ``` ###