Tensorflow2.0 模型預測與評估的區別

model.evaluate

輸入數據和標籤,輸出損失和精確度.

# 評估模型,不輸出預測結果

loss,accuracy = model.evaluate(X_test,Y_test)

print('\\ntest loss',loss)

print('accuracy',accuracy)

model.predict

輸入測試數據,輸出預測結果

(通常用在需要得到預測結果的時候)

#模型預測,輸入測試集,輸出預測結果

y_pred = model.predict(X_test,batch_size = 1)

兩者差異

1.輸入輸出不同

model.evaluate輸入數據(data)和金標準(label),然後將預測結果與金標準相比較,得到兩者誤差並輸出.

model.predict輸入數據(data),輸出預測結果

2.是否需要真實標籤(金標準)

model.evaluate需要,因為需要比較預測結果與真實標籤的誤差

model.predict不需要,只是單純輸出預測結果,全程不需要金標準的參與.

閱讀更多 公子小悅 的文章

關鍵字: evaluate test 結果