keras如何定义"accuracy"和"loss"？
How does keras define "accuracy" and "loss"?
我找不到 Keras 是如何定义 "accuracy" 和 "loss" 的。我知道我可以指定不同的指标（例如 mse、交叉熵）——但是 keras 打印出一个标准 "accuracy"。那是怎么定义的？同样对于损失：我知道我可以指定不同类型的正则化——那些在损失中吗？
理想情况下，我想打印出用于定义它的方程式；如果没有，我会在这里回答。
查看 metrics.py，您可以在其中找到所有可用指标的定义，包括不同类型的准确性。除非您在编译模型时将其添加到所需指标列表中，否则不会打印准确性。
根据定义，正则化器被添加到损失中。例如，参见 Layerclass 的 add_loss 方法。
更新
accuracy的类型是根据objective函数确定的，参见training.py. The default choice is categorical_accuracy。当 objective 函数为二进制或稀疏函数时，会选择 binary_accuracy 和 sparse_categorical_accuracy 等其他类型。
我找不到 Keras 是如何定义 "accuracy" 和 "loss" 的。我知道我可以指定不同的指标（例如 mse、交叉熵）——但是 keras 打印出一个标准 "accuracy"。那是怎么定义的？同样对于损失：我知道我可以指定不同类型的正则化——那些在损失中吗？
理想情况下，我想打印出用于定义它的方程式；如果没有，我会在这里回答。
查看 metrics.py，您可以在其中找到所有可用指标的定义，包括不同类型的准确性。除非您在编译模型时将其添加到所需指标列表中，否则不会打印准确性。
根据定义，正则化器被添加到损失中。例如，参见 Layerclass 的 add_loss 方法。
更新
accuracy的类型是根据objective函数确定的，参见training.py. The default choice is categorical_accuracy。当 objective 函数为二进制或稀疏函数时，会选择 binary_accuracy 和 sparse_categorical_accuracy 等其他类型。