Как удалить дублированный сюжет matplotlib ⇐ Python

[Anonymous]

Я пытаюсь разработать небольшую функцию, которая динамически определяет потерю или точность во время обучения модели Tensorflow. Я в основном настраиваю историю точности в конце каждой партийной обработки для каждой эпохи (код все еще нуждается в некоторых исправлениях, но на данный момент он работает правильно). У меня есть желаемое поведение, с сюжетом, который развивается динамически. Однако в конце тренировок последний сюжет по какой -то причине дублируется, и я не могу понять, почему это так. < /P>
from IPython.display import display, clear_output
import tensorflow as tf
from tensorflow.keras.models import Sequential
import numpy as np
import matplotlib.pyplot as plt

class CustomCallback(tf.keras.callbacks.Callback):
def on_train_begin(self, logs=None):
self.epoch = 0 # Initialize the epoch counter
self.accuracies = []
self.fig, self.ax = plt.subplots()
self.line, = self.ax.plot([], [])
self.ax.set_xlim(0, 30)
self.ax.set_ylim(0, 1)
self.displayed = False
display(self.fig)

def on_epoch_begin(self, epoch, logs=None):
self.epoch = epoch # Update the current epoch at the beginning of each epoch

def on_train_batch_end(self, batch, logs=None):
accuracy = logs['accuracy']
self.accuracies.append(accuracy)
self.line.set_data(range(1, len(self.accuracies) + 1), self.accuracies)
self.ax.relim()
self.ax.autoscale_view()
clear_output(wait=True)
display(self.fig)

custom_callback = CustomCallback()

model = Sequential()
model.add(tf.keras.layers.Dense(units=16, activation='relu'))
model.add(tf.keras.layers.Dropout(rate=0.35))
model.add(tf.keras.layers.Dense(units=1, activation='tanh'))

model.compile(optimizer=tf.keras.optimizers.Adam(), loss="binary_crossentropy", metrics=["accuracy"])

X = np.random.randn(10**2, 10**4)
y = np.random.randint(2, size=10**2)

abc = model.fit(X, y, epochs=7, batch_size=32, validation_split=0.025, verbose=False, callbacks=[custom_callback])


Подробнее здесь: https://stackoverflow.com/questions/774 ... otlib-plot