时间戳

首页 > 解决方案 > Keras 中的 model.evaluate() 返回什么值？

python - Keras 中的 model.evaluate() 返回什么值？

问题描述

我的模型从多个密集层获得了多个输出。我的模型'accuracy'是编译中的唯一指标。我想知道每个输出的损失和准确性。这是我的代码的一部分。

scores = model.evaluate(X_test, [y_test_one, y_test_two], verbose=1)

当我打印出分数时，这就是结果。

[0.7185557290413819, 0.3189622712272771, 0.39959345855771927, 0.8470299135229717, 0.8016634374641469]

这些数字代表什么？

我是 Keras 的新手，这可能是一个微不足道的问题。但是，我已经阅读了 Keras 的文档，但我仍然不确定。

标签： pythonkeras

解决方案

引用自evaluate()方法文档：

退货

标量测试损失（如果模型有单个输出并且没有指标）或标量列表（如果模型有多个输出和/或指标）。该属性model.metrics_names将为您提供标量输出的显示标签。

因此，您可以使用metrics_names模型的属性来找出每个值对应的内容。例如：

from keras import layers
from keras import models
import numpy as np

input_data = layers.Input(shape=(100,)) 
out_1 = layers.Dense(1)(input_data)
out_2 = layers.Dense(1)(input_data)

model = models.Model(input_data, [out_1, out_2])
model.compile(loss='mse', optimizer='adam', metrics=['mae'])

print(model.metrics_names)

输出以下内容：

['loss', 'dense_1_loss', 'dense_2_loss', 'dense_1_mean_absolute_error', 'dense_2_mean_absolute_error']

这表明您在方法的输出中看到的每个数字evaluate对应于什么。

此外，如果您有很多层，那么这些层dense_1和dense_2名称可能会有点模棱两可。为了解决这种歧义，您可以使用层的name参数为层分配名称（不一定在所有层上，而仅在输入和输出层上）：

# ...
out_1 = layers.Dense(1, name='output_1')(input_data)
out_2 = layers.Dense(1, name='output_2')(input_data)
# ...

print(model.metrics_names)

输出更清晰的描述：

['loss', 'output_1_loss', 'output_2_loss', 'output_1_mean_absolute_error', 'output_2_mean_absolute_error']

推荐阅读