Python 在Tensorflow Keras中寻找MSLE
我试图在回归模型中看到我的测试数据集在TensorFlow Keras中的MSLE损失 我尝试使用:Python 在Tensorflow Keras中寻找MSLE,python,tensorflow,keras,dataset,Python,Tensorflow,Keras,Dataset,我试图在回归模型中看到我的测试数据集在TensorFlow Keras中的MSLE损失 我尝试使用: loss = tf.keras.losses.MeanSquaredLogarithmicError(model.predict(X_test), Y_test) print(loss) 但不是得到损失,而是显示: tensorflow.python.keras.losses.MeanSquaredLogarithmicError object at 0x000001DC80545668
loss = tf.keras.losses.MeanSquaredLogarithmicError(model.predict(X_test), Y_test)
print(loss)
但不是得到损失,而是显示:
tensorflow.python.keras.losses.MeanSquaredLogarithmicError object at 0x000001DC80545668
如何在TensorFlow中找到测试数据集的丢失?MeanSquaredLogarithmicError是一个类,必须在执行丢失计算之前进行,例如:
msle = tf.keras.losses.MeanSquaredLogarithmicError()
loss = msle(model.predict(X_test), Y_test)
有关更多信息,请参阅。我尝试了该方法并打印了:Tensor(“MeanSquaredLogarithmicError\u 2/weighted\u loss/Cast:0”,shape=(),dtype=float64)这是生成的
Tensor
对象。如链接文档所示,您可以使用loss.numpy()
获取值。另外,请看一下.loss.numpy()给了我-AttributeError:“Tensor”对象没有属性“numpy”,我找到了如何用不同的方法显示损失,msle=tf.keras.loss.MeanSquaredLogarithmicError()loss=msle(model.predict(X_test),Y_test)sess=tf.Session()sess.run(loss)