Question

在模型培训之后，我如何预测和评估我的指标？代码是这样的：

for patch in generator():
    pred = model.predict(np.array(patch, dtype=patch.dtype))

    loss_val_partial,accuracy_val_partial = model.test_on_batch(np.array(patch, dtype=patch.dtype),pred)

或者像这样：

for patch in generator():
    pred = model.predict(np.array(patch, dtype=patch.dtype))

    loss_val_partial,accuracy_val_partial = model.test_on_batch(ground_truth,pred)

其中基本事实是补丁的真正标签。

我认为第一个是正确的，因为准确性总是1.0

Answer 1

您的第一个代码清单中的问题是，您首先使用模型预测输出，然后使用此结果pred作为测试的基本事实，这样您的准确度当然会为1.0 < / p>

test_on_batch方法见signature：

test_on_batch(self, x, y, sample_weight=None)

所以我不能为你自己测试它，因为你只显示了一部分代码（例如我不知道你的基本事实来自哪里）但尝试这样的事情，即只需删除手动预测步骤它是在test_on_batch内部为您完成的：

for patch in generator():
    loss_val_partial,accuracy_val_partial = model.test_on_batch(np.array(patch, dtype=patch.dtype), ground_truth)

预测并评估Keras的指标

1 个答案: