我找不到Keras如何定义”accuracy”和”loss”。我知道可以指定不同的度量标准（例如mse、交叉熵），但Keras会输出一个标准的”accuracy”。这是如何定义的？同样对于loss；我知道可以指定不同类型的正则化；这些是否包含在loss中？

理想情况下，我希望能打印出用于定义它们的方程；如果不行，这里给出的答案也可以接受。

回答：

可以查看metrics.py，那里可以找到所有可用度量标准的定义，包括不同类型的准确性。除非你在编译模型时将其添加到所需的度量标准列表中，否则不会打印准确性。

正则化器默认情况下会被添加到loss中。例如，参见Layer类的add_loss方法。

更新

accuracy的类型是根据目标函数确定的，参见training.py。默认选择是categorical_accuracy。当目标函数是二元或稀疏时，会选择binary_accuracy和sparse_categorical_accuracy等其他类型。