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:
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。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。
相关问题 更多 >
编程相关推荐