python - Keras 中的 model.evaluate() 返回什么值？

Question

我的模型从多个 Dense 层获得了多个输出。我的模型将 'accuracy' 作为编译中的唯一指标。我想知道每个输出的损失和准确性。这是我的代码的一部分。

scores = model.evaluate(X_test, [y_test_one, y_test_two], verbose=1)

当我打印出分数时，这就是结果。

[0.7185557290413819, 0.3189622712272771, 0.39959345855771927, 0.8470299135229717, 0.8016634374641469]

这些数字代表什么？

我是 Keras 的新手，这可能是一个微不足道的问题。但是，我已经阅读了 Keras 的文档，但我仍然不确定。

Answer 1

引自 evaluate() method documentation :

Returns

Scalar test loss (if the model has a single output and no metrics) orlist of scalars (if the model has multiple outputs and/or metrics).The attribute model.metrics_names will give you the display labelsfor the scalar outputs.

因此，您可以使用模型的 metrics_names 属性来找出每个值对应的内容。例如:

from keras import layers
from keras import models
import numpy as np

input_data = layers.Input(shape=(100,)) 
out_1 = layers.Dense(1)(input_data)
out_2 = layers.Dense(1)(input_data)

model = models.Model(input_data, [out_1, out_2])
model.compile(loss='mse', optimizer='adam', metrics=['mae'])

print(model.metrics_names)

输出以下内容:

['loss', 'dense_1_loss', 'dense_2_loss', 'dense_1_mean_absolute_error', 'dense_2_mean_absolute_error']

这表明您在 evaluate 方法的输出中看到的每个数字对应于什么。

此外，如果您有很多层，那么那些 dense_1 和 dense_2 的名称可能会有点模棱两可。要解决这种歧义，您可以使用层的 name 参数为层分配名称(不一定在所有层上，而仅在输入和输出层上):

# ...
out_1 = layers.Dense(1, name='output_1')(input_data)
out_2 = layers.Dense(1, name='output_2')(input_data)
# ...

print(model.metrics_names)

输出更清晰的描述:

['loss', 'output_1_loss', 'output_2_loss', 'output_1_mean_absolute_error', 'output_2_mean_absolute_error']