Keras的损失函数和指标有什么区别？

Question

我不清楚Keras中损失函数和指标之间的区别.该文档对我没有帮助.

Answer 1

损失函数用于优化您的模型.这是优化器将最小化的函数.

度量标准用于判断模型的性能.这仅供您查看,与优化过程无关.

Answer 2

丢失函数是参数1传递给Keras model.compile,它在训练模型时实际上是优化的.该损失函数通常由模型最小化.

与损失函数不同,度量是另一个传递给Keras model.compile的参数列表,它实际上用于判断模型的性能.

例如:出于某种原因,您可能希望最小化回归模型的MSE损失,同时还要检查模型的AUC.在这种情况下,MSE是损失函数,AUC是度量.度量是模型性能参数,当模型在每个训练时期之后在验证集上判断自己时,可以看到该模型性能参数.重要的是要注意,当一个人想要停止训练模型时,该指标对于像EarlyStopping这样的少数Keras回调很重要,以防该指标没有针对确定的数量进行改进.时代.

Answer 3

我想到了一个人为的例子：让我们考虑一下二维平面上的线性回归。在这种情况下，损失函数将是均方误差，拟合线将最小化该误差。

但是，出于某种原因，我们对拟合线从 0 到 1 的曲线下的面积非常感兴趣，因此这可能是指标之一。我们在模型最小化均方误差损失函数的同时监控这个指标。