我有一个正常工作的Keras模型如下：
model = tf.keras.Sequential( [ #第一个卷积层 tf.keras.layers.Conv2D(16, (3,3), activation="relu", input_shape=(IMAGE_SIZE,IMAGE_SIZE,3)), tf.keras.layers.MaxPooling2D(2,2), #第二个卷积层 tf.keras.layers.Conv2D(32, (3,3), activation="relu"), tf.keras.layers.MaxPooling2D(2,2), #第三个卷积层 tf.keras.layers.Conv2D(64, (3,3), activation="relu"), tf.keras.layers.MaxPooling2D(2,2), #将结果扁平化以输入到DNN tf.keras.layers.Flatten(), tf.keras.layers.Dense(512, activation="relu"), #只有一个神经元，因为这是二分类问题 tf.keras.layers.Dense(1, activation="sigmoid") ])model.compile(optimizer = tf.keras.optimizers.RMSprop(lr=0.001), loss="binary_crossentropy", metrics=["acc"])history = model.fit_generator(train_generator, epochs=15, steps_per_epoch=100, validation_data = validation_generator, validation_steps=50, verbose=1)然而，当我尝试替换魔法字符串，并使用激活函数、损失函数和度量指标的实际类名时，我得到了以下模型，虽然可以编译，但准确率始终为0。与上面的模型相比，这个模型的行为有所不同，其他一切保持不变。这里是新模型：
model = tf.keras.Sequential( [ #第一个卷积层 tf.keras.layers.Conv2D(16, (3,3), activation=tf.keras.activations.relu, input_shape=(IMAGE_SIZE,IMAGE_SIZE,3)), tf.keras.layers.MaxPooling2D(2,2), #第二个卷积层 tf.keras.layers.Conv2D(32, (3,3), activation=tf.keras.activations.relu), tf.keras.layers.MaxPooling2D(2,2), #第三个卷积层 tf.keras.layers.Conv2D(64, (3,3), activation=tf.keras.activations.relu), tf.keras.layers.MaxPooling2D(2,2), #将结果扁平化以输入到DNN tf.keras.layers.Flatten(), tf.keras.layers.Dense(512, activation=tf.keras.activations.relu), #只有一个神经元，因为这是二分类问题 tf.keras.layers.Dense(1, activation=tf.keras.activations.sigmoid) ])model.compile(optimizer = tf.keras.optimizers.RMSprop(learning_rate=0.001), loss=tf.keras.losses.BinaryCrossentropy(), metrics=[tf.keras.metrics.Accuracy()])history = model.fit_generator(train_generator, epochs=15, steps_per_epoch=100, validation_data = validation_generator, validation_steps=50, verbose=1)我猜测我在用类名替换魔法字符串时犯了错误，但我找不到错误。有什么建议吗？
回答：
当我们将准确率的字符串标识符设置为['acc']或['accuracy']时，程序会为我们的问题选择相关的度量指标，比如它是二元还是分类类型。但当我们设置实际类名时，我们需要更具体一些。所以，在你的情况下，你需要将度量指标从
tf.keras.metrics.Accuracy()改为
tf.keras.metrics.BinaryAccuracy()从.Accuracy()和.BinaryAccuracy()阅读每个内容
这里是一个虚拟示例，用于重现问题和解决方案，供完整参考。
# 生成虚拟数据np.random.seed(10)x_train = np.random.random((1000, 20))y_train = np.random.randint(2, size=(1000, 1))x_test = np.random.random((800, 20))y_test = np.random.randint(2, size=(800, 1))# 模型model = Sequential()model.add(Dense(64, input_dim=20, activation='relu'))model.add(Dropout(0.5))model.add(Dense(64, activation='relu'))model.add(Dropout(0.5))model.add(Dense(1, activation='sigmoid'))# 编译和运行model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])model.fit(x_train, y_train, epochs=10, verbose=2, batch_size=128, validation_data=(x_test, y_test))使用字符串标识符，它将正常运行。但如果你将度量指标改为.Accuracy()，它将为训练和验证部分都给出零分数。要解决这个问题，你需要设置.BinaryAccuracy()，然后一切将如预期运行。
