keras输出预测值和真实值方式_Python

keras输出预测值和真实值方式

2020-06-28 10:10超级学渣渣 Python

这篇文章主要介绍了keras输出预测值和真实值方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

在使用keras搭建神经网络时，有时需要查看一下预测值和真是值的具体数值，然后可以进行一些其他的操作。这几天查阅了很多资料。好像没办法直接access到训练时的数据。所以我们可以通过回调函数，传入新的数据，然后查看预测值和真是值。

参考这篇解决：

https://stackoverflow.com/questions/47079111/create-keras-callback-to-save-model-predictions-and-targets-for-each-batch-durin

我的解决方法是这样的：

									from keras.callbacks import Callback

									import tensorflow as tf

									import numpy as np

									class my_callback(Callback):

									 def __init__(self,dataGen,showTestDetail=True):

									  self.dataGen=dataGen

									  self.showTestDetail=showTestDetail

									  self.predhis = []

									  self.targets = []

									 def mape(self,y,predict):

									  diff = np.abs(np.array(y) - np.array(predict))

									  return np.mean(diff / y)

									 def on_epoch_end(self, epoch, logs=None):

									  x_test,y_test=next(self.dataGen)

									  prediction = self.model.predict(x_test)

									  self.predhis.append(prediction)

									  #print("Prediction shape: {}".format(prediction.shape))

									  #print("Targets shape: {}".format(y_test.shape))

									  if self.showTestDetail:

									   for index,item in enumerate(prediction):

									    print(item,"=====",y_test[index],"====",y_test[index]-item)

									  testLoss=self.mape(y_test,prediction)

									  print("test loss is :{}".format(testLoss))

画一下知识点，我们在继承的callback中实现 on_epoch_end方法：

x_test,y_test=next(self.dataGen)

这个数据生成方法是这样的

									import numpy as np

									def shuffleDatas(x,y):

									 shuffleIndex=np.arange(len(x))

									 np.random.shuffle(shuffleIndex)

									 x=x[shuffleIndex]

									 y=y[shuffleIndex]

									 return x,y

									def dataGen(x,y,batchsize=8,shuffle=True):

									 assert len(x) == len(y)

									 while True:

									  if shuffle:

									   x,y=shuffleDatas(x,y)

									  index=0

									  while index+batchsize<len(x):

									   yield (x[index:index+batchsize],y[index:index+batchsize])

									   index=index+batchsize