Machine learning 如何在Keras模型拟合期间检查预测输出？

我是Keras的新手，我学习了模型的拟合和评估。 对模型进行评估后，可以看到模型所作的实际预测

---

我想知道，在安装Keras时是否也可以看到预测？到目前为止，我还找不到任何这样做的代码。

因为这个问题没有指定“epoch”，而且使用回调可能意味着额外的计算，所以我不认为这完全是重复

使用tensorflow，您可以在启用“急切执行”的情况下使用自定义训练循环。创建自定义训练循环的简单教程：

基本上你会：

#transform your data in to a Dataset:
dataset = tf.data.Dataset.from_tensor_slices(
    (x_train, y_train)).shuffle(some_buffer).batch(batchSize) 
     #the above is buggy in some versions regarding shuffling, you may need to shuffle
     #again between each epoch    


#create an optimizer    
optimizer = tf.keras.optimizers.Adam()

#create an epoch loop:
for e in range(epochs):

    #create a batch loop
    for i, (x, y_true) in enumerate(dataset):

        #create a tape to record actions
        with  tf.GradientTape() as tape:

            #take the model's predictions
            y_pred = model(x)

            #calculate loss
            loss = tf.keras.losses.binary_crossentropy(y_true, y_pred)

        #calculate gradients
        gradients = tape.gradient(loss, model.trainable_weights)

        #apply gradients
        optimizer.apply_gradients(zip(gradients, model.trainable_weights)

您可以使用

y\u pred

var执行任何操作，包括获取其

numpy\u pred=y\u pred.numpy（）

值

---

本教程提供了有关度量和验证循环的更多详细信息

可能重复，那么我可以假设Keras不提供任何函数来获取训练期间的预测数据吗？人们必须深入研究tensorflow才能得到预测数据？我不知道。但除了建议的评论中提到的回调之外，我再也找不到任何东西。但是回调需要再次运行预测。