Question

我在Keras有一个模型，我正在优化均方误差。但是，如果我在度量标准中使用与Keras的losses.py中相同的代码，则会得到不同的结果。这是为什么？

作为指标：

def MSE_metric(y_true, y_pred):
    return K.mean(K.square(y_pred, y_true))

对于模型：

model.compile(optimizer=SGD(lr=0.01, momntum=0.9), loss='MSE', metrics=[MSE_metric])

这导致损失6.07但MSE_metric为0.47

Answer 1

请记住 - 如果您使用任何类型的正规化 - 它会影响您的shasum: elasticsearch-5.6.4.deb.sha1: no properly formatted SHA1 checksum lines found。您的实际损失等于：

loss

这就是你的差异所在。

Answer 2

马辛是对的。 Here 我已经探索了正则化和分批的效果。两者都会影响日志中记录的训练损失，但正则化的影响最大。始终建议在拟合模型后使用 model.evaluate 计算指标。如果想在训练期间查看“实际”损失，一个技巧是将验证集设置为与训练集（或训练集的子集，如果数据过多）相同。与训练损失不同，验证指标只是在拟合模型上进行评估。

Keras - 损失和指标计算方式不同？

2 个答案: