评估功能如何真正起作用,它究竟返回了什么?
以下是文档中评估的接口定义(来自tf.keras.models.Model)。
评估( X = …
我不明白数据集的含义是什么意思“如果您的数据是符号张量,数据集......,请不要指定batch_size”。
这里引用的数据集是一个实例 tf.data.Dataset() 。数据集有它的 batch_size 已定义。我们用以下方法定义:
tf.data.Dataset()
batch_size
tf.data.Dataset.batch( batch_size )
因此,在Keras中不需要这个论点 evaluate 方法。
evaluate
是什么 steps arguement?
steps
步长是指样本总数除以批量大小的时间。如果我有1000个样本且batch_size为50,则步数为20(1000/50)。你不需要输入 steps 主要是争论。
的 对于第一种选择: 强>
的 批量大小设置为“无” 强> 。因此,a 的 默认值为32 强> 将会被使用。因此,这里,根据计算,步数为4(128/32)。
的 第二种选择: 强>
的 批量大小设置为64。 强> 因此,这里,根据计算,步数为2(128/64)。
的 替代方案之间的差异: 强>
两种替代方案都具有不同的批量大小32和64.因此,损失和准确度的计算将是不同的。