Bagaimana untuk menyimpan fungsi menilai

Bagaimana untuk menyimpan output fungsi penilaian TensorFlow? Gunakan kata kunci pulangan untuk menetapkan keputusan kepada pembolehubah menggunakan panggilan balik untuk menyimpan hasil ke fail;

Bagaimana untuk menyimpan output fungsi menilai?

Dalam TensorFlow, fungsi evaluate digunakan untuk menilai prestasi model. Secara lalai, fungsi evaluate mencetak keputusan penilaian tetapi tidak menyimpannya dalam sebarang pembolehubah atau fail. Untuk menyimpan keputusan penilaian, anda boleh menggunakan kaedah berikut: evaluate函数用于评估模型的性能。默认情况下，evaluate函数会打印评估结果，但不会将它们保存在任何变量或文件中。为了保存评估结果，可以使用以下方法：

1. 使用return关键字：

在evaluate函数调用中添加return关键字，然后将其分配给一个变量，如下所示：

<code class="python">results = model.evaluate(x_test, y_test)</code>

results变量将存储一个列表，其中包含评估结果，例如损失值、准确率等。

2. 使用callbacks：

TensorFlow提供了回调机制，允许在模型训练或评估过程中执行自定义操作。可以使用tf.keras.callbacks.Callback类创建回调并将其传递给evaluate函数，如下所示：

<code class="python">class SaveResultsCallback(tf.keras.callbacks.Callback):

    def on_test_end(self, logs):
        # 保存评估结果
        with open('results.json', 'w') as f:
            json.dump(logs, f)

# 创建回调
callback = SaveResultsCallback()

# 将回调传递给evaluate函数
results = model.evaluate(x_test, y_test, callbacks=[callback])</code>

回调的on_test_end方法将在评估结束时触发，并将评估结果保存到results.json文件中。

3. 使用print函数和重定向：

可以使用print函数将评估结果打印到控制台，然后将控制台输出重定向到文件，如下所示：

<code class="python"># 评估模型并打印结果
results = model.evaluate(x_test, y_test)

# 重定向控制台输出到文件
with open('results.txt', 'w') as f:
    print(results, file=f)</code>

此方法将评估结果打印到results.txt

Atas ialah kandungan terperinci Bagaimana untuk menyimpan fungsi menilai. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!