Question

我在keras中创建了以下形式的神经网络：

from keras.layers import Dense, Activation, Input
from keras import Model

input_dim_v = 3
hidden_dims=[100, 100, 100]

inputs = Input(shape=(input_dim_v,))
net = inputs

for h_dim in hidden_dims:
    net = Dense(h_dim)(net)
    net = Activation("elu")(net)

outputs = Dense(self.output_dim_v)(net)
model_v = Model(inputs=inputs, outputs=outputs)
model_v.compile(optimizer='adam', loss='mean_squared_error', metrics=['mse'])

后来，我使用model_v.train_on_batch(X[i],y[i])对单个示例进行了训练。

要测试神经网络是否正在成为更好的函数逼近器，我想对累积的X和y（在我的情况下为X和{{ 1}}随时间增长）。但是，当我调用y时，控制台中只会显示特征进度条，而不会显示出损失值和mse-metric（在这种情况下相同）。

我该如何更改？

Answer 1

evaluate()方法的进度栏中未显示损耗和度量值。而是将它们作为evaluate()方法的输出返回，因此您可以打印它们：

for i in n_iter:
    # ... get the i-th batch or sample

    # ... train the model using the `train_on_batch` method

    # evaluate the model on whole or part of test data
    loss_metric = model.evaluate(test_data, test_labels)
    print(loss_metric)

According to the documentation，如果您的模型具有多个输出和/或度量，则可以使用model.metric_names属性来找出loss_metric中的值所对应的内容。

keras model.evaluate（）不显示损失

1 个答案: