model.evaluate 和 model.predict

model.evaluate

输入数据和标签,输出损失和精确度.

#评估模型,不输出预测结果
loss,accuracy = model.evaluate(X_test,Y_test)
print('\ntest loss',loss)
print('accuracy',accuracy)

model.predict

输入测试数据,输出预测结果
(通常用在需要得到预测结果的时候)

#模型预测,输入测试集,输出预测结果
y_pred = model.predict(X_test,batch_size = 1)

两者差异

1、输入输出不同
model.evaluate输入数据(data)和金标准(label),然后将预测结果与金标准相比较,得到两者误差并输出.
model.predict输入数据(data),输出预测结果
2、是否需要真实标签(金标准)
model.evaluate需要,因为需要比较预测结果与真实标签的误差
model.predict不需要,只是单纯输出预测结果,全程不需要金标准的参与.

predict(x, batch_size=None, verbose=0, steps=None, callbacks=None, max_queue_size=10,workers=1, use_multiprocessing=False )参数： x:输入样本，格式可以是- Numpy数组（或类似array的数组）或数组列表（如果模型具有多个输入）。- TensorFlow张量或张量列表（如果模型具有多个输入）。- tf.data数据集。- 生成器或keras.utils.Sequence实例batch_size：每个梯度更新的样本数。如果未指定，batch_size将默认为32 verbose：模型 steps：宣布预测回合完成之前的步骤总数（样本批次）。忽略默认值None callbacks：预测期间应用的回调函数列表max_queue_size=10： 仅用于generator或keras.utils.Sequence输入。 生成器队列的最大大小。 如果未指定，max_queue_size将默认为10workers=1： 仅用于generator或keras.utils.Sequence输入。 使用基于进程的线程时，要启动的最大进程数。 如果未指定，worker将默认为1。如果为0，将在主线程上执行生成器use_multiprocessing=False： 仅用于generator或keras.utils.Sequence输入。 如果为True，则使用基于进程的线程。 如果未指定，则use_multiprocessing将默认为False。

参考：https://blog.csdn.net/DoReAGON/article/details/88552348
https://blog.csdn.net/weixin_46649052/article/details/110717737

model.evaluate 和 model.predict相关推荐

model.evaluate与model.predict的不同
版权声明:本文为CSDN博主「云端浅蓝」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明. 原文链接:https://blog.csdn.net/DoReAGON/ ...
keras中model.evaluate()函数使用从flow_from_directory中生成的测试集一直循环问题
目录一.从test_generator中提取(x_test,y_test) 二.升级TensorFlow或者TensorFlow-gpu后 ,问题得到解决三.与predict()函数的区别四.顺 ...
model.evaluate检验
1.输入输出不同 model.evaluate 输入数据(data)和真实标签(label),然后将预测结果与真实标签相比较,得到两者误差并输出. model.predict 输入数据(data),输 ...
model.evaluate() 解释一下
model.evaluate() 是 Keras 模型中的一个函数,用于在训练模型之后对模型进行评估.它可以通过在一个数据集上对模型进行测试来进行评估. model.evaluate() 接受两个必须 ...
Tensorflow 2.3 model.evaluate报错InvalidArgumentError: Incompatible shapes: [1,64] vs. [1,128]
Tensorflow 2.3使用model.evaluate进行模型评估时报错tensorflow.python.framework.errors_impl.InvalidArgumentError: ...
Tensorflow 2.5 model.evaluate报错Invalid argument: required broadcastable shapes at loc(unknown)
Tensorflow 2.5使用model.evaluate进行模型评估时报错Invalid argument: required broadcastable shapes at loc unknow ...
model.fit以及model.fit_generator区别及用法
model.fit以及model.fit_generator区别及用法_猫爱吃鱼the的博客-CSDN博客
（深入理解）model.eval() 、model.train()以及torch.no_grad() 的区别
文章目录简要版解释深入版解释简要版解释在PyTorch中进行validation或者test的时侯,会使model.eval()切换到测试模式,在该模式下,model.training=Fas ...
【pytorch】model.train和model.eval用法及区别详解
使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval,eval()时,框架会自动把BN和DropOut固定住,不会取平均,而是用训练好的值,不然的话,一旦test的 ...

model.evaluate 和 model.predict

model.evaluate 和 model.predict相关推荐

最新文章

热门文章