需要在`model.evaluate（）`之前編譯keras模型`

Question

我從.json和.hdf5文件加載Keras模型。當我打電話model.evaluate()，它返回一個錯誤：

You must compile a model before training/testing. Use `model.compile(optimizer, loss)

爲什麼我需要編譯運行evaluate()？

要添加，該模型可以通過predict()沒有問題。

Answer 1

因爲evaluate會計算損失函數和度量。

在編譯模型之前，您沒有其中任何一個。他們參數編譯方法：

model.compile(optimizer=..., loss=..., metrics=...) 

在另一方面，predict不評價任何指標或損失，它只是通過模型通過對輸入數據，並得到其輸出。

您也需要「損失」進行培訓，因此您無法編譯而無法進行培訓。您可以根據需要多次編譯模型，甚至可以更改參數。

---

的輸出和損耗函數：

該模型的輸出依賴於它正在與重量定義。這是自動的，你可以從任何型號的predict，即使沒有任何培訓。 Keras中的每個模型都已經生成了重量（由您初始化或隨機初始化）

您輸入了一些內容，模型會計算輸出。在所有事情的最後，這都是重要的。一個好的模型具有適當的權重並正確地輸出東西。

但在實現這一目標之前，您的模型需要接受培訓。

現在，損失函數將獲取當前輸出並將其與期望/真實結果進行比較。這是一個應該儘量減少的功能。損失越少，結果越接近預期。這是導出衍生物的函數，所以反向傳播算法可以更新權重。

損失函數對模型的最終目的沒有用處，但對於培訓是必需的。這可能就是爲什麼你可以擁有沒有損失函數的模型（因此，沒有辦法評估它們）。