用Keras构建模型evaluate时候，输出loss和进度条最终的loss不一样？

来源：2-10 实战批归一化、激活函数、dropout

捡海星的小男孩

2019-09-25

如题，请问是什么原因？

写回答

1回答

正十七

2019-09-25

已采纳

我理解的是，在进度条上，训练集的loss就是每个batch的loss，所以如果后面你在全部训练集上求结果，那么就是不一样的。你可以试试在fit的时候加个测试集，测试集会一次全测完，所以evaluate也是一样的。

我们后面有自定义的训练流程，大概的伪代码就是：

for loop:
    train_x_batch, train_y_batch = get_data
    loss, accuracy = model(train_x_batch, train_y_batch)
    print(loss, accuracy)
    if end:
        val_loss, val_accuracy = model(full_eval_set)
        print(val_loss, val_accuracy)

Google老师亲授 TensorFlow2.0 入门到进阶

Tensorflow2.0实战—以实战促理论的方式学习深度学习

1849 学习 · 896 问题

查看课程

相似问题

metric & loss

回答 1

老师，为什么训练集打印的是metric，而验证集打印的是loss？

回答 1

loss&one-hot

回答 1

loss = tf.reduce_mean(keras.losses.mean_squared_error)

回答 1

针对wide-deep模型的评估，是否是loss和val_loss值越小，就代表越好？

回答 1

打开慕课网App查看更多内容