Keras：model.evaluate_generator和model.predict_generator之间的区别是什么

Question

我用keras数据增强来执行图像分类（十级图像）。最后训练划时代给出结果如下：

Epoch 50/50 
4544/4545 [============================>.] - ETA: 0s - loss: 0.7628 - acc: 0.7359 loss: 0.762710434054 
New learning rate: 0.00214407973866 
4545/4545 [==============================] - 115s - loss: 0.7627 - acc: 0.7360 - val_loss: 0.5563 - val_acc: 0.8124 

然后由评估训练的模型：

scores = model.evaluate_generator(test_generator,1514) #1514 testing images 
print("Accuracy = ", scores[1]) 

这导致以下结果：

('Accuracy = ', 0.80713342132152621) 

精度不准确与上一次训练时期相同。我不明白它们之间的区别，即使它是微不足道的。

此外，model.predict_generator给出完全不同的结果，该结果示出的阵列如下：

array([[ 4.98306963e-06, 1.83774697e-04, 5.49453034e-05, ..., 
     9.25193787e-01, 7.74697517e-04, 5.79946618e-06], 
    [ 2.06657965e-02, 2.35974863e-01, 2.66802781e-05, ..., 
     2.16283044e-03, 8.42395966e-05, 2.46680051e-04], 
    [ 1.40222355e-05, 1.22740224e-03, 7.52218883e-04, ..., 
     3.76749843e-01, 3.85622412e-01, 6.47417846e-06], 
    ..., 
    [ 9.94064331e-01, 1.30184961e-03, 1.08694976e-05, ..., 
     1.25828717e-06, 2.29093766e-05, 9.01326363e-04], 
    [ 7.10375488e-01, 2.01397449e-01, 3.10241080e-06, ..., 
     3.66877168e-10, 1.66322934e-05, 1.93767438e-08], 
    [ 8.13350256e-04, 2.67575349e-04, 6.79878794e-05, ..., 
     8.63052785e-01, 9.70983761e-04, 8.54507030e-04]], dtype=float32) 

不知什么矩阵表示，而这也正是model.evaluate_generator和模型之间的差异。 predict_generator。

注意到所得到的阵列具有1514 * 10的形状。该阵列应该是每组测试图像的每个类别的预测概率。如果是的话，如何根据结果计算混淆矩阵？

Answer 1

predict_generator获取您的测试数据并为您提供输出。

evaluate_generator使用您的测试输入和输出。它首先使用训练输入预测输出，然后通过将其与您的测试输出进行比较来评估性能。因此，它会给出一个衡量性能的指标，即您的情况下的准确性。