Python keras model.evaluate()不显示损失
我在Python keras model.evaluate()不显示损失,python,neural-network,keras,reinforcement-learning,Python,Neural Network,Keras,Reinforcement Learning,我在keras中创建了以下形式的神经网络: from keras.layers import Dense, Activation, Input from keras import Model input_dim_v = 3 hidden_dims=[100, 100, 100] inputs = Input(shape=(input_dim_v,)) net = inputs for h_dim in hidden_dims: net = Dense(h_dim)(net)
keras
中创建了以下形式的神经网络:
from keras.layers import Dense, Activation, Input
from keras import Model
input_dim_v = 3
hidden_dims=[100, 100, 100]
inputs = Input(shape=(input_dim_v,))
net = inputs
for h_dim in hidden_dims:
net = Dense(h_dim)(net)
net = Activation("elu")(net)
outputs = Dense(self.output_dim_v)(net)
model_v = Model(inputs=inputs, outputs=outputs)
model_v.compile(optimizer='adam', loss='mean_squared_error', metrics=['mse'])
稍后,我使用model\u v.train\u on\u batch(X[I],y[I])
在单个示例上对其进行训练
为了测试神经网络是否正在成为一个更好的函数逼近器,我想定期评估累积的X
和y
(在我的例子中,X
和y
随时间增长)模型。但是,当我调用model_v.evaluate(X,y)
时,控制台中只会显示特征进度条,但不会打印损失值或mse度量(在本例中相同)
如何更改?损耗和度量值不会显示在
evaluate()
方法的进度条中。相反,它们作为evaluate()
方法的输出返回,因此您可以打印它们:
for i in n_iter:
# ... get the i-th batch or sample
# ... train the model using the `train_on_batch` method
# evaluate the model on whole or part of test data
loss_metric = model.evaluate(test_data, test_labels)
print(loss_metric)
,如果您的模型有多个输出和/或度量,则可以使用model.metric\u names
属性来找出loss\u metric
中的值对应于什么