我找不到 Keras 如何定义“准确性”和“损失”。我知道我可以指定不同的指标（例如 mse、交叉熵）——但 keras 会打印出标准的“准确性”。那是怎么定义的？损失也是如此：我知道我可以指定不同类型的正则化——那些在损失中吗？
理想情况下，我想打印出用于定义它的方程式；如果没有，我会在这里回答。
【问题讨论】：
标签： python tensorflow machine-learning deep-learning keras
查看metrics.py，您可以在其中找到所有可用指标的定义，包括不同类型的准确度。除非您在编译模型时将其添加到所需指标列表中，否则不会打印准确度。
根据定义，正则化器被添加到损失中。例如，参见Layerclass 的add_loss 方法。
更新
accuracy 的类型是根据目标函数确定的，参见training.py。默认选择是categorical_accuracy。当目标函数是二进制或稀疏时，会选择其他类型，如 binary_accuracy 和 sparse_categorical_accuracy。
【讨论】：
'accuracy'，那是哪个指标？ metrics.py 里面有几个有“准确”二字？
mse，那么选择什么？ accuracy 在这种情况下是什么意思？
categorical_accuracy 被选中，这意味着根据文档“计算多类分类问题的所有预测的平均准确率”。如果您的问题不是分类，那么包括准确性就没有多大意义。 @SRobertJames
categorical_accuracy 的链接。似乎 categorical_accuracy 不再是标量。如果我没记错的话，它现在是一个数组。 categorical_accuracy