Python TensorFlow和Keras中的公制行为

我正在试图了解TensorFlow和Keras中的度量系统是如何工作的

我有一个包含密集层的序列模型，唯一的度量是

“准确性”

（作为字符串）：

model.compile(
# [...]
指标=[“准确度”]，
损耗=“二进制交叉熵”）

与该准确度相关的平均值在90%到100%之间

然而，我尝试在seing上所有可用的类之后更改我的度量，并用其Python类等价物替换了

“accurity”

：

model.compile(
# [...]
metrics=[tf.keras.metrics.accurity（）]，
损耗=“二进制交叉熵”）

没有对数据集或模型进行任何修改（除了度量），但值发生了变化：精度现在在40%到60%之间

然后，我尝试传递的一个实例，但结果与之前相同

我的问题是:

---

不是“准确度”并且应该表示相同的度量？

请使用tf.keras.metrics.BinaryCrossentropy（）而不是tf.metrics.accurity（），然后您会发现相同的结果

此处的“精度”取决于损失函数