CSVLogger 和 model.evaluate() 有什么区别？
What is the difference between CSVLogger and model.evaluate()?
我一直在使用 Keras/TF 的 CSVLogger 来保存训练和验证的准确性。然后我绘制这些数据以检查训练和验证准确性或损失的轨迹。
昨天，我读了this link。
在这里，他们使用 model.evaluate() 绘制准确度指标。
这两种方法有什么区别？
以下是两者之间的主要区别：
model.evaluate() 给出了与训练过程中不同的训练数据损失，而 CSVLogger 在过程中的每个时期后跟踪验证集上的指标。
记录并绘制结果
CSVLogger 会将训练结果 保存在 CSV 文件.fit 的输出（通常称为 history）将在变量中准备好相同的结果，而不需要 CSV 文件。
他们的数据应该是完全一样的
评估
evaluate 方法不是日志。这是一种您可以随时调用 的方法，并且将为 compile 中的每个损失和指标输出一个 单个值 对于“当前”模型。
这在训练期间没有在任何地方注册，通常应该不会在训练期间调用，除非您创建自定义训练循环并在此内部手动调用evaluate循环每个时期（这对于标准使用来说是不必要且不方便的）。
您可以将 evaluate 与 任何您想要的数据一起使用 ，包括既不在训练数据也不在验证数据中的数据。
您分享的link
请注意，他们绘制的是 history，而 history 是 fit 的输出。与evaluate.
无关
plot.plot(history.history['acc'])
plot.plot(history.history['val_acc'])
见上页link：
history = model.fit(...)
link 没有准确显示他们调用评估的“位置”，他们可能“只在训练后执行一次”，只是为了查看模型的最终结果（不是日志培训）
我一直在使用 Keras/TF 的 CSVLogger 来保存训练和验证的准确性。然后我绘制这些数据以检查训练和验证准确性或损失的轨迹。
昨天，我读了this link。
在这里，他们使用 model.evaluate() 绘制准确度指标。
这两种方法有什么区别？
以下是两者之间的主要区别：
model.evaluate() 给出了与训练过程中不同的训练数据损失，而 CSVLogger 在过程中的每个时期后跟踪验证集上的指标。
记录并绘制结果
CSVLogger会将训练结果 保存在 CSV 文件. 中
fit的输出（通常称为history）将在变量中准备好相同的结果，而不需要 CSV 文件。
他们的数据应该是完全一样的
评估
evaluate 方法不是日志。这是一种您可以随时调用 的方法，并且将为 compile 中的每个损失和指标输出一个 单个值 对于“当前”模型。
这在训练期间没有在任何地方注册，通常应该不会在训练期间调用，除非您创建自定义训练循环并在此内部手动调用evaluate循环每个时期（这对于标准使用来说是不必要且不方便的）。
您可以将 evaluate 与 任何您想要的数据一起使用 ，包括既不在训练数据也不在验证数据中的数据。
您分享的link
请注意，他们绘制的是 history，而 history 是 fit 的输出。与evaluate.
plot.plot(history.history['acc'])
plot.plot(history.history['val_acc'])
见上页link：
history = model.fit(...)
link 没有准确显示他们调用评估的“位置”，他们可能“只在训练后执行一次”，只是为了查看模型的最终结果（不是日志培训）