keras 优先考虑指标还是损失？答案

【问题标题】：keras prioritizes metrics or loss?keras 优先考虑指标还是损失？
【发布时间】：2021-02-09 12:53:42
【问题描述】：

我正在努力理解 keras 模型的工作原理。

当我们训练模型时，我们将指标（如 ['accuracy']）和损失函数（如交叉熵）作为参数。我想知道的是模型优化的目标是什么。拟合后，精益模型最大限度地提高准确性？还是尽量减少损失？

【问题讨论】：

标签： tensorflow keras neural-network

【解决方案1】：

模型优化损失；指标仅用于您的信息和报告结果。 https://en.wikipedia.org/wiki/Loss_function

请注意，指标是可选的，但您必须提供损失函数才能进行训练。

您还可以根据训练期间未添加的指标评估模型。

【讨论】：

【解决方案2】：

Keras 模型通过反向传播调整可训练模型参数来最小化损失。训练准确度、验证准确度等指标作为信息提供，但也可用于通过使用 Keras 回调来提高模型的性能。相关文档位于 here. 例如回调 ReduceLROnPlateau（文档为 here）可用于监控验证损失等指标，如果损失在一定数量后未能减少（耐心参数），则调整模型的学习率连续的时期。

【讨论】：