Keras训练过程中acc info输出的含义

Question

我正在尝试创建一个 seq2seq 网络，该网络具有此 machinelearningmastery 博客中定义的网络架构作为主干。基本上原始示例使用输入 6D 和输出 3D 序列，而我的使用 32D 和输出 32D。

更准确地说，原始模型使用 6 个整数的随机整数（取值范围从 1 到 50）序列。我的模型使用 32D 值（值范围为 0-255）。

在观看模型训练时，我注意到有两个判断收敛的标准：loss 和指标（通常是准确度）。典型的信息是这样的：

99776/100000 [============================>.] - ETA: 0s - loss: 0.0223 - acc: 0.9967
99904/100000 [============================>.] - ETA: 0s - loss: 0.0223 - acc: 0.9967
100000/100000 [==============================] - 40s 400us/step - loss: 0.0223 - acc: 0.9967

好的，在（简单）博客示例中，我可以看到 loss 下降，而 acc 同时上升到 1。虽然在我的情况下（这是一个更难解决的问题），但与loss 相比，我可以看到loss 下降并且准确度上升到1.0 的值相当快。我对这些信息消息进行了一些观察：

• 经过一些迭代，我的准确度可以达到1.0 和我的loss 仍然肯定高于零阈值（例如0.0222）。我的意思是我没有得到loss 的数量级，例如1e-5 之类的。
• 在每个 epoch 开始时，似乎都有损失，而且肯定存在准确度差距。我在here 中找到了一个很好的解释。总而言之，它表示在一个纪元期间，显示的 loss 和 acc 是所有批次的平均值，而在每个新纪元，它都会初始化为实际的当前值。
• 即使 acc 固定为 1.0 并且我的训练数据表现出色，我也没有得到如此高的结果来证明如此高的准确性。

那么，我的问题是，这个准确度到底是什么？我知道它是meant only for the programmer（我就是）并且模型本身不使用它（与使用的loss不同）但是它是如何计算的或者它代表什么？在我的例子中，我有 0-255 范围内的 32D 值序列，因此每个序列都表示为大小为 (32, 257) 的数组。那么，准确度 0.99 意味着 100 个序列中有 99 个匹配？是这样吗？

Answer 1

那么，我的问题是这个准确度到底是什么？

正如in this answer here 解释的那样，keras 选择的实际准确度指标取决于您选择的损失。 我猜到在你的情况下，它默认为categorical_accuracy：

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())

这意味着它将比较 y_true 和 y_pred 中的最大值是否出现在同一位置。当然，这对你来说意义不大。