Machine learning 我们可以使用Keras模型'；图像字幕模型的s精度度量？ 请考虑下面的代码行。 model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy'])

我可以为我的图像字幕模型使用

metrics=['accurity']

。我的模型定义如下：

inputs1 = Input(shape=(2048,))
fe1 = Dropout(0.2)(inputs1)
fe1=BatchNormalization()(fe1)
fe2 = Dense(256, activation='relu')(fe1)
inputs2 = Input(shape=(max_length,))
se1 = Embedding(vocabsize, embedding_dim, mask_zero=True)(inputs2)
se2 = Dropout(0.2)(se1)
se2=BatchNormalization()(se2)
se3 = LSTM(256)(se2)
decoder1 = add([fe2, se3])
decoder2 = Dense(256, activation='relu')(decoder1)
outputs = Dense(vocabsize, activation='softmax')(decoder2)
model = Model(inputs=[inputs1, inputs2], outputs=outputs)

该模型的输出如下所示：

inputs1 = Input(shape=(2048,))
fe1 = Dropout(0.2)(inputs1)
fe1=BatchNormalization()(fe1)
fe2 = Dense(256, activation='relu')(fe1)
inputs2 = Input(shape=(max_length,))
se1 = Embedding(vocabsize, embedding_dim, mask_zero=True)(inputs2)
se2 = Dropout(0.2)(se1)
se2=BatchNormalization()(se2)
se3 = LSTM(256)(se2)
decoder1 = add([fe2, se3])
decoder2 = Dense(256, activation='relu')(decoder1)
outputs = Dense(vocabsize, activation='softmax')(decoder2)
model = Model(inputs=[inputs1, inputs2], outputs=outputs)

我可以使用这个精度指标来评估我的图像字幕模型吗

如果是，那么内置计算是否考虑了预测字幕的语义含义

如果问题1的答案是肯定的，那么BLEU分数和其他评估指标的用途是什么

我的模型为给定的新图像提供了合适的标题。是否有必要使该精度度量值大于0.5

---

要回答所有问题，我应该说：

对于语言模型，通常使用bleu（双语评估替补）分数，因为它可以让您更好地了解模型的性能

Keras的acc度量是可以的，但它实际上用于分类模型或具有确定性输出的模型，但语言模型不是这样的，例如（“我很好”和“我很好”或“我很好”具有相同的含义，但Keras的准确性使它们之间存在差异）。我建议检查Keras的实施情况：