Keras 中的 model.fit() 和 model.evaluate() 有什么区别？

我使用 Keras 和 TensorFlow 后端来训练 CNN 模型。

之间是什么model.fit() and model.evaluate()？我应该最好使用哪一种？ （我在用model.fit()截至目前）。

我知道的用处model.fit() and model.predict()。但我无法理解它的用处model.evaluate()。 Keras 文档只是说：

它用于评估模型。

我觉得这是一个非常模糊的定义。

fit()用于使用给定输入（和相应的训练标签）训练模型。

evaluate()用于使用验证（或测试）数据和相应的标签来评估已经训练的模型。返回模型的损失值和指标值。

predict()是为了实际的预测。它生成输入样本的输出预测。

让我们考虑一个简单的回归示例：

# input and output
x = np.random.uniform(0.0, 1.0, (200))
y = 0.3 + 0.6*x + np.random.normal(0.0, 0.05, len(y))

现在让我们在 keras 中应用回归模型：

# A simple regression model
model = Sequential()
model.add(Dense(1, input_shape=(1,)))
model.compile(loss='mse', optimizer='rmsprop')

# The fit() method - trains the model
model.fit(x, y, nb_epoch=1000, batch_size=100)

Epoch 1000/1000
200/200 [==============================] - 0s - loss: 0.0023

# The evaluate() method - gets the loss statistics
model.evaluate(x, y, batch_size=200)     
# returns: loss: 0.0022612824104726315

# The predict() method - predict the outputs for the given inputs
model.predict(np.expand_dims(x[:3],1)) 
# returns: [ 0.65680361],[ 0.70067143],[ 0.70482892]