Python keras model.evaluate（）不显示损失

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)
    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