keras tensorflow2 得到训练数据的结果
keras tensorflow2 get results for the training data
在 keras 中，我们可以使用 fit 命令训练模型，然后使用 predict。
Dcnn=model.fit(x_train, y_train, epochs=5, batch_size=32)
model.predict(test_dataset,verbose=True)
当我们使用 fit 方法时，我们得到的准确度结果如下。假设在 5 个 epoch 之后，我们在训练数据上的准确率为 98.62%。现在，如果我们使用 model.predict(x_train,verbose=True)，我们是否会得到与 fit 方法结果中所示的每个观察值完全相同的准确度和完全相同的预测？如果不是，为什么？
Epoch 5/5
61/61 - 11s - loss: 0.0320 - tp: 1602.0000 - fp: 18.0000 - tn: 321.0000 - fn: 9.0000 - accuracy: 0.9862
更新1
我更新命令如下
Dcnn.fit(train_dataset,
epochs=NB_EPOCHS,
verbose=2,validation_data=test_dataset)
我得到了以下结果
Epoch 5/5
61/61 - 11s - loss: 0.0320 - tp: 1602.0000 - fp: 18.0000 - tn: 321.0000 - fn: 9.0000 - accuracy: 0.9862 - precision: 0.9889 - recall: 0.9944 - auc: 0.9990 - val_loss: 0.9760 - val_tp: 161.0000 - val_fp: 22.0000 - val_tn: 9.0000 - val_fn: 0.0000e+00 - val_accuracy: 0.8854 - val_precision: 0.8798 - val_recall: 1.0000 - val_auc: 0.7169
现在，如果我尝试 model.predict(test_dataset,verbose=True)，我将获得 88.54% 的准确率 - 与拟合方法的输出相同。
如果我运行model.predict(train_dataset,verbose=True)，我的准确率能达到98.62%吗？如果不是，那是为什么？
调用fit()时，模型仍在训练中，结果不准确。调用 predict() 是准确的，因为模型已完成训练。
您无法使用 fit 查看 类 的概率。这是由于权重在每批之后根据概率发生变化。这意味着从一批到另一批你有不同的权重，因此即使在相同的数据上也会给出不同的答案。
为了得到真实的概率，可以使用predict()。预测和拟合不会 return 相同的概率，因为 predict returns 对于整个集合，而 fit 是所有批次的平均值（批次之间的权重不同).
此外，您可能会感到困惑，将 model.fit() return 称为 History 对象，其中包含损失值和准确性等值。调用 Dcnn.predict() 会出错，因为 History 对象没有 "predict" 属性。 model.predict() 应用于获得预测，而预测又可用于计算概率。
模型的权重保存在实例本身中，因此在调用 fit() 后，模型会自动更改和保存权重。
在 keras 中，我们可以使用 fit 命令训练模型，然后使用 predict。
Dcnn=model.fit(x_train, y_train, epochs=5, batch_size=32)
model.predict(test_dataset,verbose=True)
当我们使用 fit 方法时，我们得到的准确度结果如下。假设在 5 个 epoch 之后，我们在训练数据上的准确率为 98.62%。现在，如果我们使用 model.predict(x_train,verbose=True)，我们是否会得到与 fit 方法结果中所示的每个观察值完全相同的准确度和完全相同的预测？如果不是，为什么？
Epoch 5/5
61/61 - 11s - loss: 0.0320 - tp: 1602.0000 - fp: 18.0000 - tn: 321.0000 - fn: 9.0000 - accuracy: 0.9862
更新1
我更新命令如下
Dcnn.fit(train_dataset,
epochs=NB_EPOCHS,
verbose=2,validation_data=test_dataset)
我得到了以下结果
Epoch 5/5
61/61 - 11s - loss: 0.0320 - tp: 1602.0000 - fp: 18.0000 - tn: 321.0000 - fn: 9.0000 - accuracy: 0.9862 - precision: 0.9889 - recall: 0.9944 - auc: 0.9990 - val_loss: 0.9760 - val_tp: 161.0000 - val_fp: 22.0000 - val_tn: 9.0000 - val_fn: 0.0000e+00 - val_accuracy: 0.8854 - val_precision: 0.8798 - val_recall: 1.0000 - val_auc: 0.7169
现在，如果我尝试 model.predict(test_dataset,verbose=True)，我将获得 88.54% 的准确率 - 与拟合方法的输出相同。
如果我运行model.predict(train_dataset,verbose=True)，我的准确率能达到98.62%吗？如果不是，那是为什么？
调用fit()时，模型仍在训练中，结果不准确。调用 predict() 是准确的，因为模型已完成训练。
您无法使用 fit 查看 类 的概率。这是由于权重在每批之后根据概率发生变化。这意味着从一批到另一批你有不同的权重，因此即使在相同的数据上也会给出不同的答案。
为了得到真实的概率，可以使用predict()。预测和拟合不会 return 相同的概率，因为 predict returns 对于整个集合，而 fit 是所有批次的平均值（批次之间的权重不同).
此外，您可能会感到困惑，将 model.fit() return 称为 History 对象，其中包含损失值和准确性等值。调用 Dcnn.predict() 会出错，因为 History 对象没有 "predict" 属性。 model.predict() 应用于获得预测，而预测又可用于计算概率。
模型的权重保存在实例本身中，因此在调用 fit() 后，模型会自动更改和保存权重。