如何在训练前对采用Gabor初始化的二分类CNN做测试集效果验证

• 首先你不需要调用model.fit()：Keras 模型在完成网络结构定义、执行compile()方法后，你指定的Gabor卷积核初始化逻辑就已经执行完成，所有参数都处于初始状态，可以直接执行评估、预测操作，无需先启动训练流程。
• 你只需要调整代码末尾的执行顺序，在训练启动前先调用model.evaluate()测试测试集表现即可，修改后的代码段如下：

from sklearn.model_selection import train_test_split
trainX,testX,trainY,testY=train_test_split(Xdata,Ytarget,test_size=.3)

# 训练前使用初始Gabor权重评估模型效果
print("训练前测试集表现：")
print(model.evaluate(testX, testY, verbose=1))

history=model.fit(trainX,trainY,epochs=70,batch_size = 64, 
                         verbose = 1,validation_split=.3)

print("训练完成后测试集表现：")
print(model.evaluate(testX,testY))

注意：你网络中使用的BatchNormalization层，在evaluate调用时默认使用推理模式，不会更新层内的移动平均统计量，不会修改模型的初始参数状态，不会影响后续训练的正常执行。

内容的提问来源于stack exchange，提问作者user3471773