需要在`Model.evaluate（）之前编译Keras模型`

我从.json和.hdf5文件加载

Keras

模型。调用

model.evaluate（）

时，它返回一个错误：

您必须在培训/测试之前编译模型。使用`model.compile（优化器，loss）

为什么我需要编译来运行

evaluate（）

要添加，可以毫无问题地传递模型

predict（）

因为将计算损失函数和度量

在编译模型之前，您没有任何一个模型。它们是编译方法的参数：

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

另一方面，它不评估任何度量或损失，只通过模型传递输入数据并获得其输出

你也需要“损失”来训练，所以你不能不编译就训练。您可以根据需要多次编译模型，甚至更改参数

---

输出和损耗函数：

模型的输出取决于使用权重定义的模型。这是自动的，您可以从任何模型

预测

，即使不需要任何培训。Keras中的每个模型都已经与生俱来了权重（由您初始化或随机初始化）

当你输入一些东西时，模型会计算输出。归根结底，这才是最重要的。一个好的模型有适当的权重，并且输出正确

但在达到这一目的之前，你的模型需要经过训练

现在，损耗函数获取当前输出，并将其与预期/真实结果进行比较。这是一个应该最小化的函数。损失越少，结果就越接近预期。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

---

损失函数对于模型的最终目的并不有用，但对于训练是必要的。这可能就是为什么您可以使用没有损失函数的模型（因此，无法对其进行评估）

我知道你在问为什么，我相信上面的答案就足够了。然而，如果你得到了这个错误，我就是这么做的，这仅仅是因为我有一个编码错误。我复制了模型_1，并将其粘贴以创建模型_2。但是，我忘了将部分代码从模型1更改为模型2。这对我来说是一个愚蠢的举动，但我得到了与上述相同的错误。见下图：

这就是解决办法：

---

为了补充@Daniel Möller的伟大答案，重新编译模型还重新启用了（自定义）

指标

，您可以使用一个简单的

模型监控验证损失，或者现在就要计算测试数据。评估
调用。这确保您在测试数据上使用完全相同的度量

如果您通过
y\u测试
，这甚至可以计算测试样本的
损失
，这通常会在研究论文中报告。
您是否使用
加载权重（）加载模型。
？HDF5格式用于严格保存权重。你能提供代码吗？谢谢。你用的是什么Keras版本？你介意解释一下为什么在中，不需要编译来调用model.evaluate吗？load_模型（fcn_vgg16_weights.h5）是否以某种方式包含损失函数？不幸的是，我从未能够在Keras中保存和加载模型，我不知道会发生什么。对我来说，这完全是马车，我只能节省重量。但从理论上讲，是的，可以用损失函数和优化器状态保存模型。但这并不意味着每个保存的模型都会这样保存。@B是的，
load\u model（）
函数实际上有一个
model.compile（）
调用。只要模型在保存前已编译，加载后将自动重新编译。每次更改哪些层是可训练的或不可训练的，您似乎都需要重新编译。是的，您需要这样做。