Keras 的样本去噪自动编码器中的准确度指标意味着什么？

Question

我正在使用 Keras 的样本去噪自动编码器； https://keras.io/examples/mnist_denoising_autoencoder/

在编译时，我使用以下选项：

autoencoder.compile(loss='mse', optimizer= Adadelta, metrics=['accuracy'])

接着是训练。我故意进行了训练，没有使用嘈杂的训练data(x_train_noisy)，但只是试图恢复x_train。

autoencoder.fit(x_train, x_train, epochs=30, batch_size=128)

在训练了 60,000 个 MNIST 数字输入后，它给了我 81.25% 的准确率。这是否意味着有 60000*81.25% 的图像被 PERFECTLY 恢复（等于原始输入逐个像素），即自动编码器的 81.25% 输出图像是 IDENTICAL给他们的输入对应物，还是其他什么？

此外，我还通过逐个像素比较输出和原始数据（60000 个 28X28 矩阵）进行了手动检查——从它们的差异中计算非零元素：

    x_decoded = autoencoder.predict(x_train)
    temp = x_train*255
    x_train_uint8 = temp.astype('uint8')
    temp = x_decoded*255
    x_decoded_uint8 = temp.astype('uint8')
    c = np.count_nonzero(x_train_uint8 - x_decoded_uint8)
    cp = 1-c /60000/28/28

然而 cp 仅为 71% 左右。谁能告诉我为什么会有差异？

Answer 1

精度对于回归问题没有意义，因此 keras 样本在 autoencoder.compile 期间不使用该指标。

在这种情况下，keras 会根据该指标计算准确度。

binary_accuracy

def binary_accuracy(y_true, y_pred):
    return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1)

使用这个 numpy 实现，您应该在训练结束时获得与 Keras 输出相同的值，用于验证准确性。

x_decoded = autoencoder.predict(x_test_noisy)
acc = np.mean(np.equal(x_test, np.round(x_decoded)))
print(acc)

有关详细信息，请参阅此答案： What function defines accuracy in Keras when the loss is mean squared error (MSE)?