keras model.evaluate() 不显示损失

Question

我在 中创建了以下形式的神经网络keras：

from keras.layers import Dense, Activation, Input
from keras import Model

input_dim_v = 3
hidden_dims=[100, 100, 100]

inputs = Input(shape=(input_dim_v,))
net = inputs

for h_dim in hidden_dims:
    net = Dense(h_dim)(net)
    net = Activation("elu")(net)

outputs = Dense(self.output_dim_v)(net)
model_v = Model(inputs=inputs, outputs=outputs)
model_v.compile(optimizer='adam', loss='mean_squared_error', metrics=['mse'])

后来，我使用model_v.train_on_batch(X[i],y[i]).

为了测试神经网络是否正在成为更好的函数逼近器，我想定期评估模型的累积X和y（在我的情况下，随着时间的推移X而y增长）。但是，当我调用 时model_v.evaluate(X, y)，控制台中只显示特征进度条，但不会打印损失值和 mse-metric（在这种情况下是相同的）。

我怎样才能改变它？

Answer 1

损失和度量值未显示在evaluate()方法的进度条中。相反，它们作为evaluate()方法的输出返回，因此您可以打印它们：

for i in n_iter:
    # ... get the i-th batch or sample

    # ... train the model using the `train_on_batch` method

    # evaluate the model on whole or part of test data
    loss_metric = model.evaluate(test_data, test_labels)
    print(loss_metric)

根据文档，如果您的模型有多个输出和/或指标，您可以使用model.metric_names属性来找出loss_metric对应的值。