Keras 模型评估显示 TypeError: 'numpy.float64' object is not iterable for mnist dataset

Question

我刚开始使用 keras，我尝试为mnist数据集构建一个模型keras.datasets

这是我的初始代码：

import tensorflow as tf

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

然后，我定义了一个模型：

model = tf.keras.Sequential()

model.add(tf.keras.layers.Flatten(input_shape=(28,28)))
model.add(tf.keras.layers.Dense(512, activation = tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation = tf.nn.softmax))

model.compile(loss = 'sparse_categorical_crossentropy', optimizer='rmsprop')
model.fit(train_images, train_labels, epochs=10)

我尝试使用这个模型model.compile(loss = 'sparse_categorical_crossentropy', optimizer='rmsprop')并且模型训练得很好

后来，我尝试评估模型：

loss, accuracy = model.evaluate(test_images, test_labels)
print('Accuracy on the test set: '+str(accuracy))

它显示以下错误：

10000/10000 [==============================] - 0s 50us/step
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-68-7ccd830be0cb> in <module>()
----> 1 loss, accuracy = model.evaluate(test_images, test_labels)
      2 print('Accuracy on the test set: '+str(accuracy))

TypeError: 'numpy.float64' object is not iterable

但是，当我尝试使用 对 test_images 进行预测时predictions = model.predict(test_images)，它工作正常。

我正在使用 google colab 进行编码。请帮忙！

Answer 1

由于缺少model.compile()的指标参数，您的模型没有指标

编译

编译（优化器，损失=无，指标=无， loss_weights=无，sample_weight_mode=None，weighted_metrics=None，target_tensors=None）

调用，因此根据文档：

退货

标量测试损失（如果模型有单个输出且没有指标）或标量列表（如果模型有多个输出和/或指标）。属性 model.metrics_names 将为您提供标量输出的显示标签。

Keras 模型evaluate()只返回损失。

因此，如果您更改代码：

model.compile(loss='sparse_categorical_crossentropy', metrics=['accuracy'], optimizer='rmsprop')

你也可以获得准确性。