Python Keras模型评价

我正在训练一个模型通过Keras执行二元分类。在我的模型经过培训后，我尝试对其进行评估，如下所示：

# Evaluate the model
print('Evaluate on test data')
loss, acc = model.evaluate(X_test, y_test, verbose=2)
print('Test loss: %.4f' % loss)
print('Test accuracy: %.4f' % acc)

我得到了这个结果：

Evaluate on test data
116/1 - 0s - loss: 0.3099 - accuracy: 0.8793
Test loss: 0.2802
Test accuracy: 0.8793

---

我的问题是，为什么报告的损失值不同？i、 e，

0.3099

和

0.2802

？这是某种臭虫吗？或者我在这里遗漏了什么？

不，这不是一个错误，一旦你知道这两个数字是如何计算的，它就有意义了。由于您在

model.evaluate

调用中设置了

verbose=2

，因此它显示了批处理在测试集上的进度

---

进度条中显示的精度和损失是批次的指数平均值，以便于可视化。从<代码>模型中得到的损失和准确度。评估< /COD>是批处理的平均损失/精度，是您应该考虑的最终和正确的数字。

< P>不，它不是一个bug，一旦您知道如何计算这两个数字，都是有意义的。由于您在

model.evaluate

调用中设置了

verbose=2

，因此它显示了批处理在测试集上的进度

---

进度条中显示的精度和损失是批次的指数平均值，以便于可视化。从

模型返回的损失和准确度。evaluate

是批次平均的总损失/准确度，对于最后一批的测试和<代码>测试丢失＝0.2802 < /代码>，

不是<代码>丢失＝0.3099 < /代码>，对每一批测试数据集来说，最好的损失是：最后一批测试和<代码>测试丢失＝0.2802 < /代码> >代码> > 0.3099 > <代码> >测试数据集的批处理？