Question

当我按如下所示制作自定义损失函数时：（与binary_crossentropy相同）

def custom_loss(y_true, y_pred):
    ce = K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)
    return ce

在keras / keras / losses.py中，binary_crossentropy是：

def binary_crossentropy(y_true, y_pred):
    return K.mean(K.binary_crossentropy(y_true, y_pred), axis=-1)

当我跑步时：

model.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])

输出正确。

ETA: 6:20 - loss: 0.3697 - acc: 0.8343

如果我使用custom_loss：

model.compile(loss=custom_loss, optimizer=optimizer, metrics=['accuracy'])

输出不正确：

ETA: 10:49 - loss: 0.7651 - acc: 0.0694

我们可以看到准确性不正确。为什么？

Answer 1

这是因为loss="binary_crossentropy"和自定义损失函数之间的精度不相同。

如果您设置loss='binary_crossentropy'，则指标"acc"与'binary_accuracy'相同。但是您将自定义损失函数设置为代码，与'categorical_accuracy'相同。

def binary_accuracy(y_true, y_pred):
    return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1)


def categorical_accuracy(y_true, y_pred):
    return K.cast(K.equal(K.argmax(y_true, axis=-1),
                          K.argmax(y_pred, axis=-1)),
                  K.floatx())

因此，如果您获得相同的acc值，则可以在指标数组中指定keras.metrics.binary_accuracy。

from keras.metrics import binary_accuracy

model.compile(loss=custom_loss,
              metrics=[binary_accuracy])

Keras中的自定义损失函数和输出精度不正确

1 个答案: