Keras 如何评估测试集的损失？答案

【问题标题】：How does Keras evaluate loss on test set?Keras 如何评估测试集的损失？
【发布时间】：2017-01-30 15:19:09
【问题描述】：

我正在实现一个神经网络分类器，以打印我正在使用的这个 NN 的损失和准确性：

score = model.evaluate(x_test, y_test, verbose=False) 
model.metrics_names
print('Test score: ', score[0])    #Loss on test
print('Test accuracy: ', score[1])

我想知道 Keras 如何计算模型的损失。特别是是否在测试集的第一步（也是唯一一步）进行评估。我在keras.io 上进行了搜索，但没有找到任何相关信息。

【问题讨论】：

标签： keras

【解决方案1】：

来自documentation：

评估

逐批计算一些输入数据的损失。

退货

标量测试损失（如果模型没有指标）或标量列表（如果模型计算其他指标）。 model.metrics_names 属性将为您提供标量输出的显示标签。

因此，它会返回代表损失的单个值，或与添加到模型中的不同指标相对应的值列表。这些值是基于整个测试集计算的，即。 e. x_test 和 y_test 中的所有值。

【讨论】：

除了使用循环并一次对 1 个测试数据调用评估之外，还有其他方法可以让每个测试数据丢失吗？

【解决方案2】：

首先，打印model.metrics_names。假设输出为['loss', 'accuracy']

那么你可以这样做：

[test_loss,test_acc] = model.evaluate(X_test,y_test)
print('test accuracy: ',test_acc*100,'%')
print('test loss: ',test_loss)

【讨论】：