model.evaluate和model.predict

model.evaluate

输⼊数据和标签，输出损失和精确度.

智能交通网违章查询#评估模型，不输出预测结果

loss,accuracy = model.evaluate(X_test,Y_test)

print('\ntest loss',loss)

print('accuracy',accuracy)

model.predict

输⼊测试数据，输出预测结果

兰博基尼毒药

(通常⽤在需要得到预测结果的时候)

#模型预测，输⼊测试集，输出预测结果

索兰托柴油版

y_pred = model.predict(X_test,batch_size =1)

两者差异

1、输⼊输出不同

model.evaluate输⼊数据(data)和⾦标准(label)，然后将预测结果与⾦标准相⽐较，得到两者误差并输出.

model.predict输⼊数据(data)，输出预测结果

2、是否需要真实标签(⾦标准)

volvo卡车model.evaluate需要，因为需要⽐较预测结果与真实标签的误差

model.predict不需要，只是单纯输出预测结果，全程不需要⾦标准的参与.

predict(

x, batch_size=None, verbose=0, steps=None, callbacks=None, max_queue_size=10,

workers=1, use_multiprocessing=False)

参数： x：输⼊样本，格式可以是

汽车品牌价值- Numpy数组（或类似array的数组）或数组列表（如果模型具有多个输⼊）。

- TensorFlow张量或张量列表（如果模型具有多个输⼊）。

- tf.data数据集。

-⽣成器或keras.utils.Sequence实例

batch_size：每个梯度更新的样本数。如果未指定，batch_size将默认为32 verbose：模型 steps：宣布预测回合完成之前的步骤总数（样本批次）。忽略默认值None callbacks：预测期间应⽤的回调函数列表

max_queue_size=10：仅⽤于generator或keras.utils.Sequence输⼊。⽣成器队列的最⼤⼤⼩。如果未指定，max_queue_size将默认为10

workers=1：仅⽤于generator或keras.utils.Sequence输⼊。使⽤基于进程的线程时，要启动的最⼤进程数。如果未指定，worker将默认为1。如果为0，将在主线程上执⾏⽣成器

哈同高速公路

use_multiprocessing=False：仅⽤于generator或keras.utils.Sequence输⼊。如果为True，则使⽤基于进程的线程。如果未指定，则use_multiprocessing将默认为False。