我有两个问题：
1 / model.evaluate（）和model.predict（）有什么区别？
2 / Keras如何计算每一个？
答案 0 :(得分：3)
model.evaluate预测值并计算给定数据集上的模型的损失和所有附加指标。它返回一个包含一个值中的损失和指标的列表。
model.predict仅根据数据集的输入预测模型的输出。 model.predict的内部工作在model.evaluate中使用，但两者的输出都不同，因为它们不会计算相同的内容。
答案 1 :(得分：2)
在model.predict内部执行model.predict的过程中，我将首先使用model.evaluate。 model.predict仅根据模型指示，基于测试集预测输出矩阵。
但是，model.evaluate在内部执行model.predict操作，并在模型编译时根据提供的参数计算误差和准确性。例如
model.compile(optimizer=OPTIMIZER, loss='categorical_crossentropy', metrics=['mse','mae','accuracy'])
在这里，我要求模型提供输出mse，mae和accuracy。但是，如果我们执行model.predict，除了输出矩阵之外，它什么都不会提供，然后关于输出，我们需要计算误差或准确性。另一方面，model.evaluate是紧凑版本，它将一起计算mse，mae和accuracy，并提供类似
[0.2498760256045422,0.015400263790238618,,0.9456890699253224]
类似于[mse, mae, accuracy]
电话是您的，您可以接听的任何东西。