fit()
用于训练具有给定输入的模型。
predict()
用于实际预测。它为输入样本生成输出预测。
evaluate()
用于评估已经过训练的模型。返回模型的损失值&指标值。
让我们考虑一个简单的回归例如:
# input and output
x = np.random.uniform(0.0, 1.0, (200))
y = 0.3 + 0.6*x + np.random.normal(0.0, 0.05, len(y))
现在让适用于keras回归模型:
# A simple regression model
model = Sequential()
model.add(Dense(1, input_shape=(1,)))
model.compile(loss='mse', optimizer='rmsprop')
# The fit() method - trains the model
model.fit(x, y, nb_epoch=1000, batch_size=100)
Epoch 1000/1000
200/200 [==============================] - 0s - loss: 0.0023
# The evaluate() method - gets the loss statistics
model.evaluate(x, y, batch_size=200)
returns:
loss: 0.0022612824104726315
# The predict() method - predict the outputs for the given inputs
model.predict(np.expand_dims(x[:3],1))
returns:
[ 0.65680361],[ 0.70067143],[ 0.70482892]
甚至model.fit()返回损耗和ACC对?我有点模糊与model.fit()和model.evaluate() –
fit()用于训练模型。它生成训练集的度量标准,其中evaluate()用于测试测试集上的训练模型。 –