如何使用Keras比较模型的预测值与实际值输出？

本文共计746个文字，预计阅读时间需要3分钟。

在Keras搭建神经网络时，有时需要查看预测值和真实值的整体数值，以便进行后续操作。这几天查阅了很多资料，好像没有直接方法直接访问训练时的数据。所以，我们可能需要采用以下步骤：

1. 在训练过程中，将预测值和真实值存储到一个列表中。

2.训练结束后，对列表中的数据进行处理和分析。

例如，可以使用以下代码片段：

python

import numpy as npfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Dense

构建模型model=Sequential([ Dense(64, input_dim=10, activation='relu'), Dense(1, activation='sigmoid')])

编译模型model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

训练模型history=model.fit(x_train, y_train, epochs=10, batch_size=32)

存储预测值和真实值predictions=model.predict(x_train)true_values=y_train

分析预测值和真实值...

通过以上步骤，我们可以获取到训练时的数据，并对预测值和真实值进行分析。

在使用keras搭建神经网络时，有时需要查看一下预测值和真是值的具体数值，然后可以进行一些其他的操作。这几天查阅了很多资料。好像没办法直接access到训练时的数据。所以我们可以通过回调函数，传入新的数据，然后查看预测值和真是值。

参考这篇解决：

stackoverflow.com/questions/47079111/create-keras-callback-to-save-model-predictions-and-targets-for-each-batch-durin

我的解决方法是这样的：

from keras.callbacks import Callback import tensorflow as tf import numpy as np class my_callback(Callback): def __init__(self,dataGen,showTestDetail=True): self.dataGen=dataGen self.showTestDetail=showTestDetail self.predhis = [] self.targets = [] def mape(self,y,predict): diff = np.abs(np.array(y) - np.array(predict)) return np.mean(diff / y) def on_epoch_end(self, epoch, logs=None): x_test,y_test=next(self.dataGen) prediction = self.model.predict(x_test) self.predhis.append(prediction) #print("Prediction shape: {}".format(prediction.shape)) #print("Targets shape: {}".format(y_test.shape)) if self.showTestDetail: for index,item in enumerate(prediction): print(item,"=====",y_test[index],"====",y_test[index]-item) testLoss=self.mape(y_test,prediction) print("test loss is :{}".format(testLoss))

画一下知识点，我们在继承的callback中实现 on_epoch_end方法：

x_test,y_test=next(self.dataGen)

这个数据生成方法是这样的

import numpy as np def shuffleDatas(x,y): shuffleIndex=np.arange(len(x)) np.random.shuffle(shuffleIndex) x=x[shuffleIndex] y=y[shuffleIndex] return x,y def dataGen(x,y,batchsize=8,shuffle=True): assert len(x) == len(y) while True: if shuffle: x,y=shuffleDatas(x,y) index=0 while index+batchsize<len(x): yield (x[index:index+batchsize],y[index:index+batchsize]) index=index+batchsize

使用yield可以减少内存的使用，而且显得很高级。

补充知识：keras从训练到预测，函数的选择：fit，fit_generator, predict,predict_generator

如下所示：

留下回调函数和如何通过预处理来建立生成输入的函数这两个问题

以上这篇keras输出预测值和真实值方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。