Python Keras何时以及如何计算每批样本的指标？

我看到Keras自定义度量是如何工作的，度量函数中的

tf.print

和

model.fit的回调打印之间的计算不匹配

将tensorflow作为tf导入#tf2.4.1
将numpy作为np导入
模型=tf.keras.models.Sequential(
致密（1，输入_形状=（1，））
)
定义我的度量值fn（y_真，y_pred）：
平方差=tf.square（y_真-y_pred）
损失=tf.减少平均值（平方差，轴=-1）
tf.打印（y_真形状，y_前形状，损耗，tf.减少平均值（平方差））
回波损耗
compile（优化器='adam'，loss='mean\u squared\u error'，metrics=[my\u metric\u fn]）
x=np.random.rand（4,1）
y=x**2
历史=model.fit（x=x，y=y，批次大小=2，时代=2）
打印（历史，历史）

输出（格式化以提高可读性）

请参见上述输出中批次的打印损失

纪元1/2 1/2 tf.print:0.02672063，model.fit:0.0267。好的。

纪元1/2 2/2 tf.print:0.109848022，但model.fit:0.0544。不行

我如何理解这些匹配和不匹配？0.0544来自何处？
在keras中，训练损失/度量在每个历元结束时计算为每批损失/度量的平均值。因此，在你的情况下：

EPOCH 1: (0.02672063 + 0.109848022) / 2 = 0.068284326
EPOCH 2: (0.0456855185 + 0.088704437) / 2 = 0.06719497775

对应于：

history.history['loss'] ==> [0.06828432530164719, 0.06719497591257095]

是的，我知道。0.0544是如何产生的？谢谢@渡边哪一个是你的tf版本？@Watanabe.N很抱歉，它是2.4.1（正如你所报道的和我所怀疑的）。。。在TF2.3.0中，这并不像你在这里看到的那样：啊，真的。我读了你的笔记本，这对我来说很有意义。我在colab上使用tf2.3.1在我的环境中进行了确认。在我的tf2.4.1示例中，（0.02672063+0.109848022）/2=0.068284326，这并不等于0.0544。这很奇怪。我要提出一个问题。有什么我错过的吗？我真的很感谢你的帮助。我发现需要更多的时间来调查，找出原因和答案。答案可能是通过潜入
model.fit
方法得到的详细报告。讨论了一个github问题。在一切都弄清楚之前，我想把这个问题保留下来，不要给出公认的答案，这样每个人都有机会深入研究这个问题。
history.history['loss'] ==> [0.06828432530164719, 0.06719497591257095]