Python 使用模型显示准确性和损失。预测（）

我想知道是否有可能知道Keras中model.predict（）的损失/准确性

我试着自己想办法，但失败了。非常感谢您的任何输入。

仅获取输入数据（

X

），并从经过培训的模型生成输出。它对实际期望值（

y

）一无所知。 您可以按要求使用，这实际上需要数据集中的

X

和

y

值，并将在测试模式下为模型生成损失值和度量值

---

在生产中使用

model.predict（）

，仅获取模型输出。在测试和验证阶段，您可能还需要使用

model.evaluate（）

，因此我的代码如下所示：

    # Fetch dataset
train_data, test_data = tfds.load(name="imdb_reviews", split=["train", "test"], 
                              batch_size=-1, as_supervised=True)

train_examples, train_labels = tfds.as_numpy(train_data)
test_examples, test_labels = tfds.as_numpy(test_data)

np.save("train_examples", train_examples)
np.save("train_labels", train_labels)

np.save("test_examples", test_examples)
np.save("test_labels", test_labels)
# BUILD MODEL
model = "https://tfhub.dev/google/tf2-preview/gnews-swivel-20dim/1"
hub_layer = hub.KerasLayer(model, output_shape=[], input_shape=[], 
                       dtype=tf.string, trainable=True, name='gnews_embedding')

model = build_model(hub_layer)
model.summary()
# SAVE AS CHECKPOINT (THE BEST ONLY)
es = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=4, verbose=1, mode='min')
checkpoint = tf.keras.callbacks.ModelCheckpoint('model.h5', monitor='val_loss', save_best_only=True)

# TRAIN MODEL
history = model.fit(
                train_examples,
                train_labels,
                epochs=20,
                batch_size=BATCH_SIZE,
                validation_split = .2,
                shuffle = True,
                callbacks = [checkpoint, es],
                verbose=1)

# CHECK ACCURACY AND LOSS VALUE
model.load_weights('/app/model.h5')
results = model.evaluate(test_examples, test_labels)

text = "The gold rush apple from natora- this is the most expensive apple."
dataset = tf.data.Dataset.from_tensor_slices([text])
np.save("test_txt", test_txt)
resultsTest = model.evaluate(dataset, test_labels)
print("RESULT ACCURACY = ", resultsTest)

---

因此，我试图知道这个预测的准确性/损失。我可以评估这样一个简单的句子，还是只是重新训练模型以获得损失/准确性？

请按照指南的规定说明您的尝试。只有在你展示了你的尝试之后，我们才能指导你。是的，这是可能的。@seraph，这怎么可能？你用什么方法？是否使用

model.evaluate（）

？为了帮助我，我需要知道您是如何向model.fit提供数据的。标签是否按类别编码？您是否使用生成器提供数据？您使用了flow、flow_from_directory还是flow_from_dataframe？在我的项目中，我使用了ImageDataGenerator，标签编码为一个热编码向量。我使用了来自数据帧的flow\u