Python 在二进制交叉熵[Keras]上获得非常低的准确度分数

在Keras中使用交叉熵损失函数训练网络时，我得到了非常糟糕的准确度分数

例如，对于该型号：

model = Sequential()
model.add(GRU(input_dim, input_shape=(params['seqLength'],input_dim), return_sequences=True))
model.add(Dropout(0.2))
model.add(GRU(input_dim*2))
model.add(Dropout(0.2))
model.add(Dense(input_dim))
model.add(Activation('sigmoid'))

print("Compiling model...")
model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

print("Training...")
(params["resultsDir"], int(time.time())), verbose=1, save_best_only=False)
history = model.fit(X, Y, validation_split=0.2, nb_epoch=20)

我得到的损失值约为0.012，但精度值仅为0.021。如果将该精度转换为百分比，则仅为2.1%左右。

---

如果损失是对数损失，那么

0.012

相当不错，那么为什么准确度这么低？

你认为损失值是指训练集或验证集上的损失吗？我想Keras在这两个方面都得分。我会读一下消息来源，然后再给你回复。