keras model.evaluate（）和model.predict（）

Question

之間的區別我使用keras生物醫學圖像分割來分割大腦神經元。我用model.evaluate()它給了我Dice coef：0.916，但是，當我使用model.predict然後通過計算Dice係數循環預測圖像時，Dice係數是0.82。 有什麼想法？

感謝

Answer 1

的keras.evaluate()功能會給你的每一批損耗值。 keras.predict()函數將爲您提供所有批次中所有樣品的實際預測值。所以，即使你使用相同的數據，差異也會存在，因爲損失函數的值幾乎總是與預測值不同。這是兩件不同的事情。

Answer 2

問題在於以下事實：在每Keras度量以下面的方式進行評價：

1. 對於每個batch一個度量值進行評估。
2. 損失的當前值（在k批次之後等於計算的k批次上的指標的平均值）。
3. 最終結果是所有批次計算的所有損失的平均值。

大多數最流行的指標（如mse，categorical_crossentropy，mae）等 - 作爲各實施例的損耗值的平均值 - 具有這樣的評價用正確的結果結束了的性質。但是在Dice係數的情況下 - 所有批次的平均值不等於整個數據集上計算出的實際值，因爲model.evaluate()使用這種計算方式 - 這是問題的直接原因。