Keras – 模型评估和模型预测

本章讨论了Keras中的模型评估和模型预测。

让我们从了解模型评估开始。

模型评估

评估是模型开发过程中的一个过程，以检查该模型是否最适合给定的问题和相应的数据。Keras模型提供了一个函数，evaluate，它对模型进行评估。它有三个主要参数、

• 测试数据
• 测试数据的标签
• verbose – 真或假

让我们评估一下我们在前一章中使用测试数据创建的模型。

score = model.evaluate(x_test, y_test, verbose = 0) 

print('Test loss:', score[0]) 
print('Test accuracy:', score[1])

执行上述代码将输出以下信息。

0

测试准确率为98.28%。我们已经创建了一个最佳模型来识别手写数字。在积极的一面，我们仍然可以改进我们的模型。

模型预测

预测 是最后一步，也是我们对模型生成的预期结果。Keras提供了一个方法，即 predict ，以获得训练好的模型的预测结果。 predict 方法的特征如下、

predict(
   x, 
   batch_size = None, 
   verbose = 0, 
   steps = None, 
   callbacks = None, 
   max_queue_size = 10, 
   workers = 1, 
   use_multiprocessing = False
)

这里，所有的参数都是可选的，除了第一个参数，它指的是未知的输入数据。为了得到正确的预测，应该保持这个形状。

让我们用下面的代码对前一章中创建的MPL模型进行预测

pred = model.predict(x_test) 
pred = np.argmax(pred, axis = 1)[:5] 
label = np.argmax(y_test,axis = 1)[:5] 

print(pred) 
print(label)

这里、

• 第1行 使用测试数据调用预测函数。

• 第 2 行获得前五个预测值

• 第3 行得到测试数据的前五个标签。

• 第 5-6 行打印出预测和实际标签。

上述应用程序的输出如下 −

[7 2 1 0 4] 
[7 2 1 0 4]

两个阵列的输出是相同的，这表明我们的模型正确预测了前五幅图像。