python - 使用指标 'acc' 和 tf.keras.metrics.Accuracy() 有什么区别

Question

调用模型的编译方法时，我们可以传入指标。

为什么tf.keras.metrics.Accuracy与'acc'不同？

例如，以下 2 个调用会给出不同的结果:

model.compile(optimizer=RMSprop(learning_rate=0.001),loss=tf.keras.losses.BinaryCrossentropy(),metrics=[tf.keras.metrics.Accuracy()])

对比

model.compile(optimizer=RMSprop(learning_rate=0.001),loss=tf.keras.losses.BinaryCrossentropy(),metrics=['acc'])

我注意到，当使用回调on_epoch_end时，logs字典的键针对上述两种情况发生了变化。使用tf.keras.metrics.Accuracy()将导致logs具有关键准确度，但它始终为0。但是，使用'acc ' 将生成一个 logs，其键 acc 具有预期的值。

Answer 1

进行了一些挖掘，但我相信区别在于:

acc 在 metrics.py 底层使用了 def binary_accuracy(y_true, y_pred, Threshold=0.5)

同时

tf.keras.metrics.Accuracy 在 metrics.py 中使用了 class Accuracy(MeanMetricWrapper)。

我通过测试和检查 tensorflow's keras metrics.py file 的源代码得出了这个结论。