我正在尝试训练一个模型，该模型可以为一个词序列（RNN）返回一个类别。

我向模型输入一个嵌入序列：

[ batchSize, sequence_length, word_embedding ] as float[]

并得到一个独热编码数组序列：

[ batchSize, sequence_length, number_of_classes ] as bool[]

我将这些与相同格式的真实值进行比较。

因此，我想知道：

1. 我应该使用什么loss？
2. 为了跟踪进展，我应该报告什么metrics？

回答：

听起来你是在训练一个执行多类分类任务的系统，每个样本恰好属于一个已知类别集合。对于这种任务，常见的选择是使用categorical_crossentropy或sparse_categorical_crossentropy。

有关损失函数的定义，请参见这里：https://keras.io/losses/

有关使用示例（用Python编写，但JS API与之匹配），请参见这里：https://colab.sandbox.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/quickstart/beginner.ipynb