在未指定验证集或验证分割时,Keras是如何计算准确率和损失的?

当我们执行以下代码时:

model.compile(Adam(lr=0.0001),loss='sparse_categorical_crossentropy',metrics=['accuracy'])model.fit(train_sample, label, batch_size=10, nb_epoch=25, verbose=2)

损失和准确率(如输出 loss: 0.6971 - acc: 0.4965)是基于哪些数据计算的?是Keras自动生成验证集,还是仅仅基于训练数据给出误差?


回答:

如果你添加一个浮点数来指定验证分割,它会输出一个单独的验证集上的验证损失。如果你没有提供验证数据,默认情况下,像你这样的情况,则返回训练损失的运行平均值。

fit函数的详细信息请参见: https://keras.io/models/model/#fit

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注