要打印历元数（无论你想打印什么），你可以使用回调函数。

class print_log_Callback(Callback):
  def __init__(self, logpath, steps):
    self.logpath = logpath
    self.losslst = np.zeros(steps)

  def on_train_batch_end(self, batch, logs=None):
    self.losslst[batch] = logs["loss"]
    with open(logpath, 'a') as writefile:
      with redirect_stdout(writefile):
        print("For batch {}, loss is {:7.2f}.".format(batch, logs["loss"]))
        writefile.write("\n")

  def on_test_batch_end(self, batch, logs=None):
    with open(logpath, 'a') as writefile:
      with redirect_stdout(writefile):
        print("For batch {}, val_loss is {:7.2f}.".format(batch, logs["loss"]))
        writefile.write("\n")

  def on_epoch_end(self, epoch, logs=None):
    with open(logpath, 'a') as writefile:
      with redirect_stdout(writefile):
        print("The val_loss  for epoch {} is {:7.2f}.".format(epoch, logs['val_loss']))
        writefile.write("\n")
        print("The mean train loss is: ", np.mean(self.losslst))
        writefile.write("\n")
        writefile.write("\n")

    self.losslst = np.zeros(steps)

你是这样称呼它的：

print_log_Callback(logpath=logpath, steps=int(steps))

其中logpath是您编写代码的文本文件的路径，steps是步骤数。
这个回调函数基本上将网络的整个历史记录打印在一个文本文件中。
在每批之后和在每个时期结束之后的损失。
如果你只需要历元，你可以只使用on_epoch_end方法，并删除其他所有内容。
如果您想在每个时段后打印损失，您可以使用此修改版本：

class print_log_Callback(Callback):
  def __init__(self, logpath, steps):
    self.logpath = logpath
    self.losslst = np.zeros(steps)

  def on_train_batch_end(self, batch, logs=None):
    self.losslst[batch] = logs["loss"]

  def on_epoch_end(self, epoch, logs=None):
    with open(logpath, 'a') as writefile:
      with redirect_stdout(writefile):
        print("The val_loss  for epoch {} is {:7.2f}.".format(epoch, logs['val_loss']))
        writefile.write("\n")
        print("The mean train loss is: ", np.mean(self.losslst))
        writefile.write("\n")
        writefile.write("\n")

    self.losslst = np.zeros(steps)

您可以修改此回调以同时打印度量：例如只打印logs["accuracy"]。

我在python中使用tensorflow keras，但是，我的初始搜索将在历史记录中进行，其中包含拟合后模型的相关日志记录的所有信息（损失、验证损失、准确性、F1等）
我怀疑这在R -
依据：https://keras.rstudio.com/articles/training_visualization.html
只需将历史变量分配给模型拟合调用，如下所示：

history <- model %>% 
  fit(x, y, 
      epochs = 1000,
      batch_size = 128,
      validation_split = 0.2, 
      callbacks = callback_early_stopping(monitor = "val_loss", patience = 5),
      verbose = 1)

将历史记录转换为 Dataframe （as.data.frame(history)），您将在其中找到您的指标-指标的长度与模型在其上进行训练的时期数相同

也许这对答案没有多大帮助，但值得一提的是：
假设拟合使用给定的batch_size，并且没有EarlyStopping回调函数，那么可以推断出Python中训练过的时期的数量：

np.ceil(model.optimizer.iterations.numpy() / np.ceil(len(X_train) / batch_size))

Kera的github引用