Python `tf.keras.model.evaluate()`在以不同格式输入相同数据时提供不同的结果 背景
我正在看以下Tensorflow时间序列教程:Python `tf.keras.model.evaluate()`在以不同格式输入相同数据时提供不同的结果 背景,python,tensorflow,keras,tf.keras,Python,Tensorflow,Keras,Tf.keras,我正在看以下Tensorflow时间序列教程: 在这里的讨论中,我将考虑在多步模型< /强>节中的“多线性模型”< < /P> 我添加以下行 multi_val_performance_new['Linear']=multi_-Linear_模型。评估(下一步(iter(multi_window.val))[0],下一步(iter(multi_window.val))[1]) 在这条线之后 multi\u val\u性能['Linear']=multi\u-Linear\u模型。评估(mult
在这里的讨论中,我将考虑在<强>多步模型< /强>节中的“多线性模型”< < /P> 我添加以下行
multi_val_performance_new['Linear']=multi_-Linear_模型。评估(下一步(iter(multi_window.val))[0],下一步(iter(multi_window.val))[1])
在这条线之后
multi\u val\u性能['Linear']=multi\u-Linear\u模型。评估(multi\u window.val)
当我检查损失和平均绝对误差时,它们是不同的
问题:
为什么-当我将原始的tf.Dataset
输入到model.evaluate
-我会得到一组损失和平均绝对误差,但当我将其组件输入到(下一个(iter(tf.Dataset))[0],下一个(iter(tf.Dataset)[1])
到model.evaluate
-我会得到一组不同的损失和平均绝对误差吗
铌
我在def make_数据集(自身,数据)中设置了shuffle=false
:下一步(iter(ds))
将只返回一批/观察结果。在模型中传递整个数据集。evaluate
将返回整个数据集的指标