具有自定义损失函数的 Keras 准确性

Question

我在 Keras 中使用自定义损失函数:

def get_top_one_probability(vector):
  return (K.exp(vector) / K.sum(K.exp(vector)))

def listnet_loss(real_labels, predicted_labels):
  return -K.sum(get_top_one_probability(real_labels) * tf.math.log(get_top_one_probability(predicted_labels)))

如何计算度量 accuracy使用自定义损失函数？

Answer 1

损失函数和准确度函数是两个不同的指标。
改变一个不会改变另一个。因此，如果您的任务是回归问题，则准确度函数不会改变，并且没问题(Keras 使用 regression accuracy 函数解决回归问题)。多类分类也是如此(Keras 对多类问题使用 categorical_accuracy 函数)。

但是，请确保当任务是二元分类时，更改损失函数会更改您的准确度函数 binary_accuracy至 categorical_accuracy因此你可能会得到不同的结果。
解决方案是使用 binary_accuarcy 如下:

def binary_accuracy(y_true, y_pred):
    return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1)
model.compile(loss=custom_loss,
              metrics=[binary_accuracy])