keras - 需要在model.evaluate()之前编译Keras模型

Question

我从.json和.hdf5文件加载了Keras模型。当我调用model.evaluate()时，它返回一个错误：


您必须在训练/测试之前编译模型。使用`model.compile（优化器，损失）


为什么需要编译才能运行evaluate()？

要添加，可以毫无问题地通过predict()传递模型。

Answer 1

因为evaluate将计算损失函数和指标。

在编译模型之前，您将没有它们。它们是compile方法的参数：

model.compile(optimizer=..., loss=..., metrics=...) 

另一方面， predict不评估任何度量或损失，它只是将输入数据传递通过模型并获得其输出。

您也需要“损失”来进行训练，因此如果不进行编译就无法进行训练。您可以根据需要多次编译模型，甚至可以更改参数。



输出和损失函数：

模型的输出取决于使用权重定义的模型。这是自动的，即使没有任何培训，您也可以在任何模型中使用 predict。 Keras中的每个模型都已经带有权重（由您初始化或随机初始化）

您输入一些东西，模型将计算输出。最后，这才是最重要的。一个好的模型具有适当的权重并可以正确输出。

但是在达到这一目的之前，需要对模型进行训练。

现在，损失函数获取当前输出并将其与预期/真实结果进行比较。该功能应该被最小化。损失越少，您的结果越接近预期。这是从中获取导数的函数，因此反向传播算法可以更新权重。

损失函数对模型的最终目的没有用，但是对于训练来说是必需的。这就是为什么您可以拥有没有损失函数的模型的原因（因此，无法评估它们）。