如何使用Python评估CNN模型的Tensorflow？

您可以使用“evaluate”方法评估卷积神经网络。该方法将测试数据作为其参数。在此之前，使用“matplotlib”库和“imshow”方法在控制台上绘制数据。

更多Python相关文章，请阅读：Python 教程

卷积神经网络已经用于解决特定类型的问题，例如图像识别等，取得了很好的效果。

我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，无需配置且可以免费访问GPU（图形处理器）。 Colaboratory是在Jupyter Notebook的基础上构建的。

print("绘制准确度与时期的关系图")
plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label = 'val_accuracy')
plt.xlabel('时期')
plt.ylabel('准确度')
plt.ylim([0.5, 1])
plt.legend(loc='lower right')
print("正在评估模型")
test_loss, test_acc = model.evaluate(test_images,test_labels, verbose=2)
print("模型的精度是：")
print(test_acc)

代码来源：https://www.tensorflow.org/tutorials/images/cnn

输出

绘制准确度与时期的关系图
正在评估模型
313/313 - 3s - loss: 0.8884 - accuracy: 0.7053
模型的精度是：
0.705299973487854

说明

• 可视化准确度与时期的数据。
• 使用matplotlib库执行此操作。
• 评估模型，确定损失和准确度。