python - keras model.evaluate() 不显示损失

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'])

稍后，我使用 model_v.train_on_batch(X[i],y[i]) 在单个示例上对其进行训练。

为了测试神经网络是否正在成为更好的函数逼近器，我想在累积的 X 和 y 上评估模型(在我的例子中，X 和 y 随时间增长)周期性地增长。然而，当我调用 model_v.evaluate(X, y) 时，只有特征进度条出现在控制台中，但既没有损失值也没有 mse-metric(在这种情况下是相同的)被打印出来。

我该如何改变它？

Answer 1

evaluate() 方法的进度条中不显示损失和度量值。相反，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 ，如果您的模型有多个输出和/或指标，您可以使用 model.metric_names 属性找出 loss_metric 中的值对应的内容。