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/