Keras - 多输出模型的准确性无效

Posted 2021-05-04

在多输出模型的情况下，一个重要的问题是这种模型的训练需要能够为网络的不同头（输出）指定不同的度量。

如官方文档中所述：

要为多输出模型的不同输出指定不同的度量标准，您还可以传递字典，例如metrics = {'output_a'：'accuracy'}

对于我的模型，我正在做类似以下的事情：

metrics ={'output_a': 'crossentropy',
          'output_b': 'mse',
          'output_c': 'mse',
          'output_d': 'mse',
          'output_e': 'categorical_accuracy'}

但是当我开始训练模型时，在日志中无法看到整体精度，而损失和val_loss是可见的。

所以我的问题是：

1. val和val_loss是否分别暗示了模型的整体损失和整体验证损失？
2. 是否也可以打印模型的acc？

答案

1. 丢失和val_loss是否分别意味着模型的整体损失和整体验证损失？ 是的，他们是整体损失的培训和验证。根据loss_weights中指定的系数对每个输出的单个损失进行加权。
2. 是否也可以打印模型的准确性？ 您可以单独获得每个输出的准确度，但我相信Keras不支持“整体”指标。这将需要有关如何汇总各个输出指标的更多信息。