模型训练后，如何预测和评估我的指标？
代码如下：

for patch in generator():    pred = model.predict(np.array(patch, dtype=patch.dtype))    loss_val_partial,accuracy_val_partial = model.test_on_batch(np.array(patch, dtype=patch.dtype),pred) 

或者像这样：

for patch in generator():    pred = model.predict(np.array(patch, dtype=patch.dtype))    loss_val_partial,accuracy_val_partial = model.test_on_batch(ground_truth,pred) 

其中ground truth是patch的真实标签。

我认为第一个代码不正确，因为准确率总是1.0

回答：

你的第一个代码列表中的问题在于，你首先用模型预测输出，然后使用这个结果pred作为测试的真实值，因此准确率当然会是1.0

查看test_on_batch方法的签名：

test_on_batch(self, x, y, sample_weight=None)

所以我无法为你自己测试，因为你只展示了代码的一部分（例如，我不知道你的ground truth从哪里来），但你可以尝试这样做，即删除手动预测步骤，因为test_on_batch内部已经为你完成了这个步骤：

for patch in generator():    loss_val_partial,accuracy_val_partial = model.test_on_batch(np.array(patch, dtype=patch.dtype), ground_truth)