我正在尝试理解TensorFlow和Keras中的度量系统是如何工作的。

我有一个包含密集层的顺序模型，唯一的度量是"accuracy"（作为字符串）：

model.compile(    # [...]    metrics=["accuracy"],    loss="binary_crossentropy")

与该准确度相关的平均值在90%到100%之间。

然而，在查看了TensorFlow文档中所有可用的类之后，我尝试更改我的度量，并用其Python类等价物tf.keras.metrics.Accuracy替换了"accuracy"：

model.compile(    # [...]    metrics=[tf.keras.metrics.Accuracy()],    loss="binary_crossentropy")

数据集和模型（除了度量之外）没有任何修改，然而数值发生了变化：准确度现在在40%到60%之间。

然后我尝试传递tf.metrics.Accuracy的一个实例，但结果与之前使用tf.keras.metrics.Accuracy时相同。

我的问题是：

"accuracy"和tf.keras.metrics.Accuracy难道不应该是代表同一个度量吗？

回答：

请使用tf.keras.metrics.BinaryCrossentropy()代替tf.metrics.Accuracy()，这样你会发现相同的结果。

这里的’accuracy’取决于损失函数。