Результат работы model.evaluate(x_val, y_val_oh, batch_size=128)

@Nikgorby · Регистрация: 20.01.2024

Author24 — интернет-сервис помощи студентам

Есть модель. Компилирую, обучаю, применяю функцию. Получаю некий результат

10/10 ━━━━━━━━━━━━━━━━━━━━ 0s 4ms/step - accuracy: 0.7959 - loss: 0.6082
(0.617831289768219, 0.7894999980926514)

Если модель заново обучить с другими параметрами, например количеством эпох, результат меняется.

10/10 ━━━━━━━━━━━━━━━━━━━━ 0s 4ms/step - accuracy: 0.8443 - loss: 0.4687
(0.47689563035964966, 0.8378000259399414)

Функция потерь уменьшается, точность растет, все хорошо.

Однако, если применить

Python

model_checkpoint = callbacks.ModelCheckpoint(filepath='./Temp/model_best_{epoch}.keras',
                                   monitor='val_loss',
                                   verbose=1,
                                   save_best_only=True,
                                   save_weights_only=False,
                                   mode='auto'
                                   )

И потом загрузить лучший результат, то результат не изменится.

Вопрос - как работает и для чего нужна тогда evaluate, если ничего не меняется после загрузки модели с наилучшими показателями?

	20.01.2024, 07:07