Keras中的model.evaluate（）返回什么值？

Question

我的模型有多个密集层的多个输出。我的模型'accuracy'是编译中的唯一指标。我想知道每个输出的损失和准确性。这是我的代码的一部分。

scores = model.evaluate(X_test, [y_test_one, y_test_two], verbose=1)

当我打印出分数时，这就是结果。

[0.7185557290413819, 0.3189622712272771, 0.39959345855771927, 0.8470299135229717, 0.8016634374641469]

这些数字代表什么？

我是Keras的新手，这可能是一个琐碎的问题。但是，我已经阅读了Keras的文档，但仍不确定。

Answer 1

引用evaluate()方法文档：

退货

标量测试损失（如果模型具有单个输出且没有度量标准）或标量列表（如果模型具有多个输出和/或度量标准）。该属性model.metrics_names将为您提供标量输出的显示标签。

因此，您可以使用metrics_names模型的属性来找出这些值分别对应的含义。例如：

from keras import layers
from keras import models
import numpy as np

input_data = layers.Input(shape=(100,)) 
out_1 = layers.Dense(1)(input_data)
out_2 = layers.Dense(1)(input_data)

model = models.Model(input_data, [out_1, out_2])
model.compile(loss='mse', optimizer='adam', metrics=['mae'])

print(model.metrics_names)

输出以下内容：

['loss', 'dense_1_loss', 'dense_2_loss', 'dense_1_mean_absolute_error', 'dense_2_mean_absolute_error']

表示您在evaluatemethod输出中看到的每个数字分别对应什么。

此外，如果您有许多层，则这些层dense_1和dense_2名称可能会有点模棱两可。要解决这种歧义，您可以使用图层的name参数（不必在所有图层上，而仅在输入和输出图层上）为图层分配名称：

# ...
out_1 = layers.Dense(1, name='output_1')(input_data)
out_2 = layers.Dense(1, name='output_2')(input_data)
# ...

print(model.metrics_names)

输出更清晰的描述：

['loss', 'output_1_loss', 'output_2_loss', 'output_1_mean_absolute_error', 'output_2_mean_absolute_error']