时间戳

首页 > 解决方案 > 自定义损失 - keras

keras - 自定义损失 - keras

问题描述

以下两个模型/编译的行为不同：

def custom_loss(y_true, y_pred):
  return keras.losses.binary_crossentropy(y_true, y_pred)

optimizer = Adam(lr=5e-3)
model.compile(loss=custom_loss, optimizer=optimizer, metrics=['accuracy'])

和：

optimizer = Adam(lr=5e-3)
model.compile(loss=keras.losses.binary_crossentropy, optimizer=optimizer, metrics=['accuracy'])

可能是什么原因？

标签： kerasloss

解决方案

如果您实现自定义二元交叉熵损失，您还应该指定正确的准确度指标。这是因为如果您使用 Keras 的二元交叉熵，那么 Keras 会自动调整要使用的准确度指标（在二元准确度和分类准确度之间）。

如果您使用自定义损失，则不会发生这种情况，然后 Keras 将默认为分类准确度，这实际上是错误的，会产生不正确的准确度值。例如：

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

推荐阅读