Keras

Question

我在 Keras 中有一个模型，我正在优化均方误差。但是，如果我在指标中使用与 Keras losses.py 中相同的代码，我会得到不同的结果。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则化 - 它会影响您的 loss。您的实际损失等于：

loss = mse + regularization

这就是你的差异的来源。

Answer 2

Marcin 是对的。 Here 我探索了正则化和分成批次的效果。两者都会影响记录在日志中的训练损失，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。如果想在训练期间看到 'actual' 损失，一个技巧是将验证集设置为与训练集相同（如果数据太多，则设置为训练集的子集）。与训练损失不同，验证指标只是在拟合模型上进行评估。

Keras - Loss 和 Metric 的计算方式不同？

Keras - Loss and Metric calculated differently?

python

neural-network

loss

metric