问题描述
通过学习大量教程并尝试自己，我发现在训练阶段，在构建 keras 模型时，我可以将完整的 Keras 数据集（特征和标签）作为一个参数传递，用于训练和验证。很优雅。
model.fit(
train_ds,validation_data=val_ds,/.../)
但是，当在类型和形状完全相同的新数据集上评估模型时，这种传递数据的方式似乎不起作用。我试过这个：
model.evaluate(
test_ds)
不起作用。 似乎将需求特征和标签评估为单独的参数。
这迫使我对特征和标签的 numpy 数组进行繁琐的转换，并增加了犯错的风险，这与拟合时的情况相反。或者我需要在不使用 Dataset 的情况下构建 test_ds，这迫使我编写两组不同的代码来组装训练和测试数据。这似乎不太理想。
我是否在这里遗漏了一些重要的细节，还是 model.evaluate(...) 总是这样工作？如果我不能将相同的调用签名用于类似 fit 和评估的方法，这似乎很奇怪。
或者也许有一些更优雅的方法可以从 test_ds 数据集中提取特征和标签？在将它们作为参数传递之前？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）