多输出模型的Keras精度不起作用

Question

在多输出模型的情况下，一个重要的问题是，这种模型的训练要求能够为网络的不同头部（输出）指定不同的度量。在

如官方文件所述：

To specify different metrics for different outputs of a multi-output model, you could also pass a dictionary, such as metrics={'output_a': 'accuracy'}

对于我的模型，我正在执行以下类似的操作：

metrics ={'output_a': 'crossentropy',
          'output_b': 'mse',
          'output_c': 'mse',
          'output_d': 'mse',
          'output_e': 'categorical_accuracy'}

但当我开始训练模型时，在日志中看不到整体的准确性，而损失和价值损失是可见的。在

所以我的问题是：

1. val和val_损失是否分别意味着模型的总体损失和总体验证损失？在
2. 是否可以同时打印型号的acc？在

Answer 1

1. 损失和valu损失是否分别意味着模型的总体损失和总体验证损失？在

   是的，它们是培训和验证的总体损失。每个输出的单个损耗根据loss_weights中指定的系数加权。

2. 有没有可能把模型的精度也打印出来？在

   您可以单独获得每个输出的准确性，但我认为Keras不支持“总体”指标。这将需要更多关于如何聚合单个输出的指标的信息。