tensorflow Model evaluate_generator

`evaluate_generator`是TensorFlow中用于评估模型的函数。它可以用于生成器（如ImageDataGenerator）产生的数据集上，计算模型的损失值和指标值，以评估模型的性能和泛化能力。

该函数的语法为：

model.evaluate_generator(generator, steps=None, callbacks=None, max_queue_size=10, workers=1, use_multiprocessing=False, verbose=0)

参数说明：
- `generator`: 数据生成器。
- `steps`: 数据生成器需要迭代的次数。如果未指定，则将自动从生成器中推断。
- `callbacks`: keras.callbacks.Callback 的实例列表。这些回调将在评估过程中被调用。
- `max_queue_size`: 生成器队列的最大大小。
- `workers`: 使用的工作进程数量。
- `use_multiprocessing`: 是否使用多进程生成器。默认为False。
- `verbose`: 日志打印级别，0为不输出日志，1为输出进度条，2为每个epoch输出一行日志。

返回值：
- 模型的损失值和指标值的列表。

示例代码：

scores = model.evaluate_generator(test_generator, steps=len(test_generator), verbose=1)
print('Test loss:', scores[0])
print('Test accuracy:', scores[1])

其中，`test_generator`是测试集的数据生成器。我们使用`evaluate_generator`函数计算模型在测试集上的损失值和准确率，并打印输出。