Python 计算keras中鉴别器的损耗

但是，我想计算keras中鉴别器的损失误差，而不更新网络的权重。到目前为止，我正在使用以下函数（批量训练）使用梯度下降更新网络的权重：

d_loss = d.train_on_batch(X, y)

然而，我想做的是首先计算d_损失，然后根据d_损失值更新权重。我如何在Keras这样做

d.evaluate(x, y)

将返回模型中定义的所有损失和指标。 请参阅

可能也有兴趣

将返回模型中定义的所有损失和指标。 请参阅

---

可能也会感兴趣。

您确定他们返回了相同的东西吗？我有d.train_on_batch和d.test_on_batch，结果是不同的。显然，评估函数就是我需要的。非常感谢您的快速回复！！阅读文档。如果您有一个单一的损失，test_on_batch和train_on_batch都应该返回一个标量值（显然它在数字上是不同的，因为一个是训练前的，另一个是训练后的）。train函数是更新权重的函数。另一种方法是存储模型检查点，并在满足条件时使用自定义回调重新加载它们。我将尝试查看一下。在这里，我找到了模式崩溃的建议解决方案，顺便说一句：你确定他们返回了相同的东西吗？我有d.train_on_batch和d.test_on_batch，结果是不同的。显然，评估函数就是我需要的。非常感谢您的快速回复！！阅读文档。如果您有一个单一的损失，test_on_batch和train_on_batch都应该返回一个标量值（显然它在数字上是不同的，因为一个是训练前的，另一个是训练后的）。train函数是更新权重的函数。另一种方法是存储模型检查点，并在满足条件时使用自定义回调重新加载它们。我将尝试查看一下。在这里，我找到了模式崩溃的建议解决方案，顺便说一句：

d.test_on_batch(x, y)