python - Keras top_k_categorical_accuracy 指标与准确率相比极低

Question

我使用 Keras 的 cifar100 数据集创建了一个 CNN 模型。添加 top_k_categorical_accuracy 指标时，我应该看到前 5 个预测类别之一是正确类别时的准确性。然而，在训练时，top_k_categorical_accuracy 仍然非常小，约为 4-5%，而准确度和验证准确度则一路增加到 40-50%。 Top 5 的准确度应该比正常准确度高得多，但它却给出了非常奇怪的结果。我使用不同的 k 值编写了自己的指标，但仍然存在相同的问题。即使当我使用 k=1(应该给出相同的准确度值)时，也会出现相同的问题。

型号代码:

cnn = Sequential()
cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu', input_shape=(train_images.shape[1:])))
cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu'))
cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu'))
cnn.add(MaxPooling2D(pool_size=2, padding='same'))
cnn.add(Dropout(0.4))

cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu'))
cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu'))
cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu'))
cnn.add(Conv2D(filters=200, kernel_size=2, padding='same', activation='relu'))
cnn.add(Dropout(0.4))
cnn.add(MaxPooling2D(pool_size=2, padding='same'))
cnn.add(Dropout(0.5))

cnn.add(Flatten())
cnn.add(Dense(550, activation='relu'))
cnn.add(Dropout(0.4))
cnn.add(Dense(100, activation='softmax'))

编译代码:

cnn.compile(loss='sparse_categorical_crossentropy', optimizer=opt.Adam(lr=learn_rate), metrics=['accuracy', 'top_k_categorical_accuracy'])

Answer 1

事实证明，由于我使用的是sparse_categorical_crossentropy损失函数，所以我需要使用sparse_top_k_categorical_accuracy函数。该指标还要求您的标签被展平为一维。之后，指标正确并且模型正在训练!