python - Keras - 多输出模型的准确性不起作用

Question

在多输出模型的情况下，一个重要的问题是训练此类模型需要能够为网络的不同头部(输出)指定不同的指标。

如官方文档所述:

To specify different metrics for different outputs of a multi-output model, you could also pass a dictionary, such as metrics={'output_a': 'accuracy'}

对于我的模型，我正在做与以下类似的事情:

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，在日志中看不到整体准确性，而损失和 val_loss 是可见的。

所以我的问题是:

1. val 和 val_loss 是否分别表示模型的总体损失和总体验证损失？
2. 是否可以同时打印模型的acc？

Answer 1

1. loss 和 val_loss 是否分别表示模型的总体损失和总体验证损失？

   是的，它们是训练和验证的总体损失。每个输出的单独损失根据 loss_weights 中指定的系数加权。

2. 是否可以同时打印模型的精度？

   您可以单独获得每个输出的准确性，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。