我在尝试使用Keras模型的自定义损失函数。我的“自定义”损失函数似乎在准确率得分上失败了，尽管我只是使用了一个返回原始Keras损失的包装器。
作为一个示例，我使用了Tensorflow/Keras的“基本分类”教程，该教程在fashion-MNIST数据集上使用了一个简单的NN，我还参考了相关的Keras 文档和这个 Stack Overflow帖子。
这是模型:
model = keras.Sequential([ keras.layers.Flatten(input_shape=(28, 28)), keras.layers.Dense(128, activation='relu'), keras.layers.Dense(10, activation='softmax')])现在，如果我在compile()函数中将sparse_categorical_crossentropy作为字符串参数，训练结果会得到大约87%的准确率，这是可以接受的:
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])model.fit(train_images, train_labels, epochs=10)test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)print('\nTest accuracy:', test_acc)但是当我创建一个简单的包装函数来调用Keras的交叉熵时，我在训练和测试集上都得到了大约10%的准确率:
from tensorflow.keras import lossesdef my_loss(y_true, y_pred): return losses.sparse_categorical_crossentropy(y_true, y_pred)model.compile(optimizer='adam', loss=my_loss, metrics=['accuracy'])第1/10个周期 60000/60000 [==============================] – 3s 51us/sample – loss: 0.5030 – accuracy: 0.1032
第2/10个周期 60000/60000 [==============================] – 3s 45us/sample – loss: 0.3766 – accuracy: 0.1035…
测试准确率: 0.1013
通过绘制一些图像并检查它们的分类标签，看起来在每种情况下结果没有差异，但打印的准确率却大不相同。那么，是否默认指标与自定义损失函数不兼容？是否我看到的是错误而不是准确率？我是否遗漏了文档中的某些内容？
编辑: 在两种情况下，损失函数的值最终大致相同，因此训练确实发生了。准确率是失败点。
回答：
原因如下:
当你使用内置损失函数并使用loss='sparse_categorical_crossentropy'时，所使用的准确率指标是sparse_categorical_accuracy。但当你使用自定义损失函数时，所使用的准确率指标是categorical_accuracy。
例如:
model.compile(optimizer='adam', loss=losses.sparse_categorical_crossentropy, metrics=['categorical_accuracy', 'sparse_categorical_accuracy'])model.fit(train_images, train_labels, epochs=1)'''在60000个样本上训练60000/60000 [==============================] - 5s 86us/sample - loss: 0.4955 - categorical_accuracy: 0.1045 - sparse_categorical_accuracy: 0.8255'''model.compile(optimizer='adam', loss=my_loss, metrics=['accuracy', 'sparse_categorical_accuracy'])model.fit(train_images, train_labels, epochs=1)'''在60000个样本上训练60000/60000 [==============================] - 5s 87us/sample - loss: 0.4956 - acc: 0.1043 - sparse_categorical_accuracy: 0.8256'''