怎么用keras训练出来的准确度和损失度数据绘图

可以通过使用matplotlib库来绘制准确度和损失度的图表。以下是一个简单的示例代码：

import matplotlib.pyplot as plt
import keras

# 加载数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# 数据预处理
x_train = x_train.reshape((60000, 784))
x_train = x_train.astype('float32') / 255

# 定义模型
model = keras.Sequential([
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 训练模型
history = model.fit(x_train, y_train, epochs=10, validation_split=0.2)

# 绘制准确度图表
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('Model Accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()

# 绘制损失度图表
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model Loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')
plt.legend(['Train', 'Validation'], loc='upper left')
plt.show()

这个示例代码中，我们加载了MNIST数据集，将数据预处理后定义了一个简单的神经网络模型，并使用model.fit()方法进行了训练。接着，我们使用history变量获取训练过程中的准确度和损失度数据，并使用matplotlib库绘制出图表。最后，我们调用plt.show()方法将图表显示出来