我在使用fashion_mnist数据集上的给定代码示例。代码中包含metrics="accuracy"并能正常运行。每当我将其更改为metrics=tf.keras.metrics.Accuracy()时，就会出现以下错误：

ValueError: Shapes (32, 10) and (32, 1) are incompatible

我做错了什么？Accuracy()函数不是相同的吗？

import tensorflow as tffashion_mnist = tf.keras.datasets.fashion_mnist(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()train_images = train_images / 255.test_images = test_images / 255.model = tf.keras.Sequential([    tf.keras.layers.Flatten(input_shape=(28, 28)),    tf.keras.layers.Dense(128, activation=tf.keras.activations.relu),    tf.keras.layers.Dense(10)])model.compile(    optimizer=tf.keras.optimizers.Adam(),    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),    metrics=['accuracy'])model.fit(train_images, train_labels, epochs=10)

回答：

根据这里的文档说明：

当你传递字符串"accuracy"或"acc"时，我们会根据所使用的损失函数和模型输出形状将其转换为tf.keras.metrics.BinaryAccuracy、tf.keras.metrics.CategoricalAccuracy或tf.keras.metrics.SparseCategoricalAccuracy之一。

所以，当你传递"accuracy"时，它会自动转换为SparseCategoricalAccuracy()。

因此，你可以像以下方式传递它：

model.compile(    optimizer=tf.keras.optimizers.Adam(),    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),    metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])# ormodel.compile(    optimizer=tf.keras.optimizers.Adam(),    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),    metrics=['accuracy'])