Keras 中 model.evaluate 和 model.predict 的区别

mode.evaluate

官方声明：传送门

输入参数：

1

evaluate(x=None, y=None, batch_size=None, verbose=1, sample_weight=None, steps=None, callbacks=None, max_queue_size=10, workers=1, use_multiprocessing=False)

• x：输入数据
• y：输入标签
• batch_size：批次大小
• verbose：0不显示进度条，1为显示进度条
• sample_weight：测试样本的可选Numpy权重数组，用于对损失函数加权
• steps：样本批次
• callbacks：评估期间需要应用的回调列表
• max_queue_size：生成器队列的最大大小
• workers：执行期间使用的进程数
• use_multiprocessing：如果为True，则使用基于进程的线程

返回值：

• 损失值：网络在训练数据上的损失（预测值和实际值之间的差距），该值和编译模型时选择的损失有关
• 精度：准确率（成功数量与总数据量的比值）
• 返回格式：['loss', 'accuracy']

可以通过打印 model.metrics_names 来查看

mode.predict

官方文档：传送门

输入参数：

1

predict(x, batch_size=None, verbose=0, steps=None, callbacks=None, max_queue_size=10, workers=1, use_multiprocessing=False)

• x：输入数据
• others：同上

返回值：

• 输出输入数据的预测结果，需要自己手动比较