tslgithub
关于损失函数与评价函数的选择是否不匹配？
您好，模型的编译阶段代码：model.compile(loss="categorical_crossentropy", optimizer=adam, metrics=["accuracy"]) 。
损失函数选取了"categorical_crossentropy"，而评价函数选取了"accuracy"，个人查看了一下keras中文文档，觉得accuracy处也应该选取“categorical_accuracy''。
因为，文章中用了与"categorical_crossentropy"配合使用的“to_categorical''函数，将每个类别对应的真值label转化成了如上图所示 ：其中向量只有一个索引为1，其余索引为0，对应一个类别。而网络预测结果最后以softmax作为输出。所以我认为应该用“categorical_accuracy''，请问您是怎么考虑的关于“accuracy‘’,现在keras中文文档没有它的官方说明......也是比较神奇
你尝试改下试试
---原始邮件--- 发件人: "xuanwdx"<[email protected]> 发送时间: 2020年9月28日 11:18:08 收件人: "tslgithub/image_class"<[email protected]>; 抄送: "Subscribed"<[email protected]>; 主题: [tslgithub/image_class] 关于损失函数与评价函数的选择是否不匹配？ (#27)
您好，模型的编译阶段代码：model.compile(loss="categorical_crossentropy", optimizer=adam, metrics=["accuracy"]) 。 损失函数选取了"categorical_crossentropy"，而评价函数选取了"accuracy"，个人查看了一下keras中文文档，觉得accuracy处也应该选取“categorical_accuracy''。
因为，文章中用了与"categorical_crossentropy"配合使用的“to_categorical''函数，将每个类别对应的真值label转化成了如上图所示 ：其中向量只有一个索引为1，其余索引为0，对应一个类别。而网络预测结果最后以softmax作为输出。所以我认为应该用“categorical_accuracy''，请问您是怎么考虑的关于“accuracy‘’,现在keras中文文档没有它的官方说明......也是比较神奇
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub, or unsubscribe.
要是验证对啦 麻烦跟我说一下哈，我来修正项目
---原始邮件--- 发件人: "xuanwdx"<[email protected]> 发送时间: 2020年9月28日 11:18:08 收件人: "tslgithub/image_class"<[email protected]>; 抄送: "Subscribed"<[email protected]>; 主题: [tslgithub/image_class] 关于损失函数与评价函数的选择是否不匹配？ (#27)
您好，模型的编译阶段代码：model.compile(loss="categorical_crossentropy", optimizer=adam, metrics=["accuracy"]) 。 损失函数选取了"categorical_crossentropy"，而评价函数选取了"accuracy"，个人查看了一下keras中文文档，觉得accuracy处也应该选取“categorical_accuracy''。
因为，文章中用了与"categorical_crossentropy"配合使用的“to_categorical''函数，将每个类别对应的真值label转化成了如上图所示 ：其中向量只有一个索引为1，其余索引为0，对应一个类别。而网络预测结果最后以softmax作为输出。所以我认为应该用“categorical_accuracy''，请问您是怎么考虑的关于“accuracy‘’,现在keras中文文档没有它的官方说明......也是比较神奇
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub, or unsubscribe.
