使用各种损失函数评估预训练的 Tensorflow keras 模型答案

【问题标题】：Evaluating Pretrained Tensorflow keras model using various loss functions使用各种损失函数评估预训练的 Tensorflow keras 模型
【发布时间】：2021-12-06 13:03:21
【问题描述】：

我正在寻找一种方法来评估使用各种损失函数（例如 MAE、MSE、....损失函数类型作为参数，是否可以在每次我们想用新的损失函数评估时不需要重新编译模型？最简单的方法是什么？

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

您可以使用多个损失函数而无需重新编译；您所要做的就是假设 First Loss Method 为 Loss 1，Second 为 Loss 2。

optimizer1 = tf.train.AdamOptimizer().minimize(loss1)
 
optimizer2 = tf.train.AdamOptimizer().minimize(loss2)

_, _, l1, l2 = sess.run(fetches=[optimizer1, optimizer2, loss1, loss2], feed_dict={x: batch_x, y: batch_y})

对不起，写代码不方便，我是新来的

【讨论】：

【解决方案2】：

您可以使用新指标重新编译您的模型。我相信你需要新的评估指标，而不是新的损失。

例如，定义这样的模型：

import tensorflow as tf

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(x_train.shape[1:])),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(10, activation="softmax"),
])

model.compile(loss="sparse_categorical_crossentropy", metrics=["accuracy"], optimizer="adam")
model.fit(x_train, y_train, epochs=3, validation_split=0.2)
model.evaluate(x_test, y_test) 
# 313/313 [=================] - 1s 3ms/step - loss: 0.2179 - accuracy: 0.9444

然后你可以像这样重新编译和评估：

# Change metrics
model.compile(metrics=["mae", "mse"], loss="sparse_categorical_crossentropy")
model.evaluate(x_test, y_test)
# 313/313 [=================] - 1s 3ms/step - loss: 0.2179 - mae: 4.3630 - mse: 27.3351

【讨论】：