Caffe不仅可以打印总体准确率，还可以打印每类的准确率。

在Keras的日志中，只有总体准确率。我很难计算出各个类的准确率。

Epoch 168/2000s - loss: 0.0495 - acc: 0.9818 - val_loss: 0.0519 - val_acc: 0.9796Epoch 169/2000s - loss: 0.0519 - acc: 0.9796 - val_loss: 0.0496 - val_acc: 0.9815Epoch 170/2000s - loss: 0.0496 - acc: 0.9815 - val_loss: 0.0514 - val_acc: 0.9801

有谁知道如何在Keras中输出每类的准确率吗？

回答：

对于多类分类，精确率和召回率是更有用的衡量指标（参见定义）。按照Keras的MNIST CNN示例（10类分类），你可以使用sklearn.metrics中的classification_report来获取每类的衡量指标：

from sklearn.metrics import classification_reportimport numpy as npY_test = np.argmax(y_test, axis=1) # 将one-hot转换为索引y_pred = model.predict_classes(x_test)print(classification_report(Y_test, y_pred))

结果如下：

         precision    recall  f1-score   support      0       0.99      1.00      1.00       980      1       0.99      0.99      0.99      1135      2       1.00      0.99      0.99      1032      3       0.99      0.99      0.99      1010      4       0.98      1.00      0.99       982      5       0.99      0.99      0.99       892      6       1.00      0.99      0.99       958      7       0.97      1.00      0.99      1028      8       0.99      0.99      0.99       974      9       0.99      0.98      0.99      1009avg / total   0.99      0.99      0.99     10000