本章内容将为大家介绍 Keras 中的模型评估和模型预测。下面，让我们一起来了解一下模型评估。

模型评估

评估是模型开发过程中的一个过程，用于检查模型是否最适合给定的问题和相应的数据。Keras 模型提供了一个函数，evaluate 对模型进行评估。它有三个主要论点：

• 测试数据
• 测试数据标签
• verbose : true或false

让我们使用测试数据评估我们在上一章中创建的模型:

score = model.evaluate(x_test, y_test, verbose = 0) 


print('Test loss:', score[0]) 
print('Test accuracy:', score[1])

执行上面的代码会输出下面的信息:

0

测试准确率为98.28%。我们创建了一个最佳模型来识别手写数字。从积极的方面来看，我们仍然可以改进我们的模型。

模型预测

预测是最后一步，也是我们对模型生成的预期结果。Keras 提供了一种方法predict来得到训练模型的预测。预测方法的签名如下:

predict(
   x, 
   batch_size = None, 
   verbose = 0, 
   steps = None, 
   callbacks = None, 
   max_queue_size = 10, 
   workers = 1, 
   use_multiprocessing = False
)

在这里，除了第一个参数外，所有参数都是可选的，它指的是未知的输入数据。应保持形状以获得正确的预测。

让我们使用以下代码对上一章中创建的 MPL 模型进行预测:

pred = model.predict(x_test) 
pred = np.argmax(pred, axis = 1)[:5] 
label = np.argmax(y_test,axis = 1)[:5] 


print(pred) 
print(label)

• 第 1 行 使用测试数据调用 predict 函数。
• 第 2 行 获取前五个预测
• 第 3 行 获取测试数据的前五个标签。
• 第 5 - 6 行 打印预测和实际标签。

上述应用程序的输出如下:

[7 2 1 0 4] 
[7 2 1 0 4]

两个数组的输出是相同的，这表明我们的模型正确预测了前五个图像。