keras - 分类交叉熵需要使用categorical_accuracy还是accuracy作为keras中的metrics？

Question

我目前正在研究多类分类。我使用了分类交叉熵，并且使用准确性作为实验的指标得到了非常好的结果。当我尝试使用 categorical_accuracy 时，它的准确度稍差(低于 1%)。我的问题是，使用分类交叉熵损失的准确度指标而不是 categorical_accuracy 可以吗？

Answer 1

Keras 检测 output_shape 并在 accuracy 时自动确定要使用的精度被指定。对于多类分类，categorical_accuracy将在内部使用。来自 source :

            if metric == 'accuracy' or metric == 'acc':
                # custom handling of accuracy
                # (because of class mode duality)
                output_shape = self.internal_output_shapes[i]
                acc_fn = None
                if output_shape[-1] == 1 or self.loss_functions[i] == losses.binary_crossentropy:
                    # case: binary accuracy
                    acc_fn = metrics_module.binary_accuracy
                elif self.loss_functions[i] == losses.sparse_categorical_crossentropy:
                    # case: categorical accuracy with sparse targets
                    acc_fn = metrics_module.sparse_categorical_accuracy
                else:
                    acc_fn = metrics_module.categorical_accuracy

您看到的 1% 差异可能归因于运行之间的变化，因为随机梯度下降会遇到不同的最小值，除非使用相同的随机种子。