这将需要一些工程 - 因为您有一个可变大小的输出，您需要将长度编码到输出中，以便评估整个模型的准确性。如果不是输出“最多 5 个数字”，而是输出一个包含 5 个预测的数组，其中一些非数字（例如 -1）表示不存在数字，那么您可以更好地评估您的网络。如果您像这样重新训练您的网络（其中$X$是图像数组和$Y$是一个包含形式数组的数组$[1,4,3,-1,-1]$, 例如), 然后 model.evaluate($X_{test}$,$Y_{test}$) 将按预期工作。

如果您不想重新训练您的网络，您可以编写一个简单的函数来获取 model.predict($X_{test}$) 并将其编码为相应的格式。这个编码功能将简单地从$[1,4,3]$到$[1,4,3,-1,-1]$. 然后您可以通过 sklearn.metrics.accuracy_score($encode$（模型.预测（$X_{test}$)),$Y_{test}$）， 在哪里$encode$就是前面提到的函数。