Keras 海关损失-克瑞斯

以下两种模型/编译的行为不同：

def custom_loss(y_true, y_pred):
  return keras.losses.binary_crossentropy(y_true, y_pred)

optimizer = Adam(lr=5e-3)
model.compile(loss=custom_loss, optimizer=optimizer, metrics=['accuracy'])

以及：

---

原因是什么？

如果实现自定义二进制交叉熵损失，还应指定正确的精度度量。这是因为如果您使用Keras的二进制交叉熵，那么Keras将自动调整要使用的精度度量（在二进制精度和分类精度之间）

如果使用自定义损失，则不会发生这种情况，然后Keras将默认为分类精度，这实际上是错误的，会产生错误的精度值。例如：

model.compile(loss=custom_loss, optimizer=optimizer, metrics=['binary_accuracy'])

---

你能解释一下你所说的“不同”是什么意思吗？当我观察训练时，我看到不同的损失数字（和准确性）。真的不同，自定义损耗不起作用，而出厂损耗起作用。我无法重现问题。两者产生完全相同的输出。我使用了

Keras 2.2.4.1

和

MxNet 1.5.0

（CPU版本）Ubuntu 16.04和Python3的后端。你在使用什么工具？你观察到了什么不同？我使用的是mac、Python3和Jupyter笔记本。我的目标是多标签（117个二进制文件）@Oren你是在用同样的洗牌方式使用你的数据吗？还有，你是在播种你的网络，使随机初始化完全相同吗？在神经网络中可能有很多不同的东西导致随机性。

model.compile(loss=custom_loss, optimizer=optimizer, metrics=['binary_accuracy'])