本章內容將為大家介紹 Keras 中的模型評估和模型預測。下面，讓我們一起來了解一下模型評估。

模型評估

評估是模型開發(fā)過程中的一個過程，用于檢查模型是否最適合給定的問題和相應的數據。Keras 模型提供了一個函數，evaluate 對模型進行評估。它有三個主要論點：

• 測試數據
• 測試數據標簽
• verbose : true或false

讓我們使用測試數據評估我們在上一章中創(chuàng)建的模型:

score = model.evaluate(x_test, y_test, verbose = 0) 


print('Test loss:', score[0]) 
print('Test accuracy:', score[1])

執(zhí)行上面的代碼會輸出下面的信息:

0

測試準確率為98.28%。我們創(chuàng)建了一個最佳模型來識別手寫數字。從積極的方面來看，我們仍然可以改進我們的模型。

模型預測

預測是最后一步，也是我們對模型生成的預期結果。Keras 提供了一種方法predict來得到訓練模型的預測。預測方法的簽名如下:

predict(
   x, 
   batch_size = None, 
   verbose = 0, 
   steps = None, 
   callbacks = None, 
   max_queue_size = 10, 
   workers = 1, 
   use_multiprocessing = False
)

在這里，除了第一個參數外，所有參數都是可選的，它指的是未知的輸入數據。應保持形狀以獲得正確的預測。

讓我們使用以下代碼對上一章中創(chuàng)建的 MPL 模型進行預測:

pred = model.predict(x_test) 
pred = np.argmax(pred, axis = 1)[:5] 
label = np.argmax(y_test,axis = 1)[:5] 


print(pred) 
print(label)

• 第 1 行 使用測試數據調用 predict 函數。
• 第 2 行 獲取前五個預測
• 第 3 行 獲取測試數據的前五個標簽。
• 第 5 - 6 行 打印預測和實際標簽。

上述應用程序的輸出如下:

[7 2 1 0 4] 
[7 2 1 0 4]

兩個數組的輸出是相同的，這表明我們的模型正確預測了前五個圖像。