Keras 模型评估显示 TypeError: 'numpy.float64' object is not iterable for mnist dataset

Question

我刚开始使用keras，我尝试为keras.datasets中的mnist数据集构建模型

这是我的初始代码：

import tensorflow as tf

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

然后，我定义了一个模型：

model = tf.keras.Sequential()

model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.layers.Dense(512, activation = tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation = tf.nn.softmax))

model.compile(loss = 'sparse_categorical_crossentropy', optimizer='rmsprop')
model.fit(train_images, train_labels, epochs=10)

我使用model.compile(loss = 'sparse_categorical_crossentropy', optimizer='rmsprop') 尝试了这个模型，并且模型训练得很好

后来，我尝试评估模型：

loss, accuracy = model.evaluate(test_images, test_labels)
print('Accuracy on the test set: '+str(accuracy))

它显示了以下错误：

10000/10000 [==============================] - 0s 50us/step
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-68-7ccd830be0cb> in <module>()
----> 1 loss, accuracy = model.evaluate(test_images, test_labels)
      2 print('Accuracy on the test set: '+str(accuracy))

TypeError: 'numpy.float64' object is not iterable

但是，当我尝试使用 predictions = model.predict(test_images) 对 test_images 进行预测时，它工作正常。

我正在使用 google colab 进行编码。 请帮忙！

Answer 1

由于您的 model.compile() 缺少 metrics 参数，您的模型没有指标

编译

compile(optimizer, loss=None, metrics=None, loss_weights=None, sample_weight_mode=None, weighted_metrics=None, target_tensors=None)

调用，因此根据documentation：

退货

标量测试损失（如果模型只有一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）。 属性 model.metrics_names 将为您提供显示标签 标量输出。

Keras 模型 evaluate() 只返回损失。

所以如果你改变你的代码：

model.compile(loss='sparse_categorical_crossentropy', metrics=['accuracy'], optimizer='rmsprop')

您也可以获得准确性。