Keras - 损失和度量的计算方式不同? [英] Keras - Loss and Metric calculated differently?

问题描述

我在 Keras 中有一个模型，我正在优化均方误差.但是，如果我在指标中使用与 Keras 的 losses.py 相同的代码，我会得到不同的结果.这是为什么?

I have a model in Keras which I'm optimizing the mean squared error. However, if I use the same code as in losses.py from Keras in the metric, I get a different result. Why is this?

作为一个指标:

def MSE_metric(y_true, y_pred):
    return K.mean(K.square(y_pred, y_true))

对于模型:

model.compile(optimizer=SGD(lr=0.01, momntum=0.9), loss='MSE', metrics=[MSE_metric])

这导致损失为 6.07，但 MSE_metric 为 0.47

This results in a loss of 6.07 but an MSE_metric of 0.47

推荐答案

请记住 - 如果您使用任何类型的正则化 - 它会影响您的 loss.您的实际损失等于:

Remember - that if you use any kind of regularization - it affects your loss. Your actual loss is equal to:

loss = mse + regularization

这就是您的差异的来源.

and this is where your discrepancy comes from.

这篇关于Keras - 损失和度量的计算方式不同?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！