使用指标 'acc' 和 tf.keras.metrics.Accuracy() 有什么区别

Question

在调用模型的 compile 方法时，我们可以传入指标。

为什么不tf.keras.metrics.Accuracy一样'acc'？

例如，以下 2 个调用给出了不同的结果：

model.compile(optimizer=RMSprop(learning_rate=0.001),loss=tf.keras.losses.BinaryCrossentropy(),metrics=[tf.keras.metrics.Accuracy()])

对比

model.compile(optimizer=RMSprop(learning_rate=0.001),loss=tf.keras.losses.BinaryCrossentropy(),metrics=['acc'])

我注意到在使用 callback 时on_epoch_end，logsdict的键在上述两种情况下发生了变化。使用tf.keras.metrics.Accuracy()将产生logs一个 key accuracy，但它总是 0。但是，使用 'acc' 将导致一个logs具有acc预期值的键。

Answer 1

进行了一些挖掘，但我相信区别在于：

acc用于引擎盖def binary_accuracy(y_true, y_pred, threshold=0.5)下metrics.py

尽管

tf.keras.metrics.Accuracy用于.class Accuracy(MeanMetricWrapper)​metrics.py

我通过测试和检查tensorflow的kerasmetrics.py文件的源代码得出了这个结论