在我使用 TensorFlow 进行 CNN 训练时，我将其用作Keras.losses.poisson损失函数。现在，我喜欢与损失函数一起计算许多指标，并且我观察到这Keras.metrics.poisson给出了不同的结果 - 尽管两者是相同的函数。
请参阅此处的一些示例输出：loss输出poisson具有不同的范围，0.5 与 0.12：
Epoch 1/20
Epoch 00001: val_loss improved from inf to 0.53228, saving model to P:\Data\xyz.h5
- 8174s - loss: 0.5085 - binary_crossentropy: 0.1252 - poisson: 0.1271 - mean_squared_error: 1.2530e-04 - mean_absolute_error: 0.0035 - mean_absolute_percentage_error: 38671.1055 - val_loss: 0.5323 - val_binary_crossentropy: 0.1305 - val_poisson: 0.1331 - val_mean_squared_error: 5.8477e-05 - val_mean_absolute_error: 0.0035 - val_mean_absolute_percentage_error: 1617.8346
Epoch 2/20
Epoch 00002: val_loss improved from 0.53228 to 0.53218, …我在Keras有一个模型,我正在优化均方误差.但是,如果我losses.py在度量标准中使用与Keras中相同的代码,则会得到不同的结果.为什么是这样？
作为指标:
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6.07但MSE_metric为0.47
我用Keras（带有theano后端）编写了一个模型，并像这样编译我的模型：model.compile(Adam(0.001), loss='mse', metrics=['mse', 'mae'])即，我的目标损失函数是均方误差，要报告的指标是均方误差和均绝对误差。
然后运行我的模型：
model.fit(X_train, y_train, nb_epoch=500, validation_data=(X_test, y_test))
Keras将结果报告为：
时代500/500：0s-损失：5.5990-mean_squared_error：4.4311-mean_absolute_error：0.9511-val_loss：7.5573-val_mean_squared_error：6.3877-val_mean_absolute_error：1.1335
我期望val_loss与val_mean_squared_error相同。什么是val_loss这里如果不val_mean_squared_error？