Keras 如何計算多類分類問題的驗證准確率和訓練准確率？

Question

我想知道 Keras 如何計算多類分類問題的驗證和訓練精度（即使用的函數）。 我設置我的模型編譯如下：

model.compile(optimizer=Adam(lr=0.001), loss='categorical_crossentropy', metrics=['accuracy'])

但我試圖了解驗證准確度和訓練准確度是如何計算的（即，顯式公式）。

我知道驗證和訓練損失由categorical_crossentropy決定，但我不確定准確性。

注意：這不是這篇文章的副本。 我的問題是尋找對 Keras 用於計算准確性的 Python 函數的解釋，而不是上述帖子中給出的理論細節。

Answer 1

您可以在 Keras github 存儲庫中找到指標文件及其實現。 在這種情況下，以下指標適用：

def categorical_accuracy(y_true, y_pred):
    return K.cast(K.equal(K.argmax(y_true, axis=-1),
                          K.argmax(y_pred, axis=-1)),
                          K.floatx()) 

這通過檢查預測類是否與真實類相同來計算單個 (y_true, y_pred) 對的准確性。 它這樣做是為了比較 y_pred 向量中得分最高的類的索引和 y_true 向量中實際類的索引。 它返回 0 或 1。

它使用這個函數來計算數據集的整體精度，通過使用常規的精度公式，定義為

(amount of correct guesses)/(total amount of guesses)