python - keras model.evaluate()不显示损失

我在keras中创建了如下形式的神经网络：

from keras.layers import Dense, Activation, Input
from keras import Model

input_dim_v = 3
hidden_dims=[100, 100, 100]

inputs = Input(shape=(input_dim_v,))
net = inputs

for h_dim in hidden_dims:
    net = Dense(h_dim)(net)
    net = Activation("elu")(net)

outputs = Dense(self.output_dim_v)(net)
model_v = Model(inputs=inputs, outputs=outputs)
model_v.compile(optimizer='adam', loss='mean_squared_error', metrics=['mse'])

稍后，我使用model_v.train_on_batch(X[i],y[i])在单个示例上训练它。
为了检验神经网络是否成为一个更好的函数逼近器，我想定期对累积的X和y（在我的情况下，X和y随时间增长）的模型进行评估。但是，当我调用model_v.evaluate(X, y)时，控制台中只显示特征进度条，但不会打印损失值和mse度量（在本例中相同）。
我怎样才能改变？

最佳答案

evaluate()方法的进度条中没有显示损失和度量值。相反，它们作为evaluate()方法的输出返回，因此您可以打印它们：

for i in n_iter:
    # ... get the i-th batch or sample

    # ... train the model using the `train_on_batch` method

    # evaluate the model on whole or part of test data
    loss_metric = model.evaluate(test_data, test_labels)
    print(loss_metric)

According to the documentation，如果您的模型有多个输出和/或度量，则可以使用model.metric_names属性找出loss_metric中的值对应的值。

关于python - keras model.evaluate()不显示损失，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52237609/