TensorFlow：损失和指标应该相同吗？

我使用二元交叉熵作为我的损失函数和我的度量。

但是，我看到损失和指标的值不同。它们非常相似，但又不同。

为什么会这样呢？我在用tf.keras.losses.binary_crossentropy(y_true, y_pred)对彼此而言。

损失：0.1506 和度量值是 0.1525，这是不同的

如果您使用与损失和度量相同的函数，通常在深度网络中您会看到不同的结果。这一般只是由于floating point precision errors：尽管数学方程是等价的，但操作的运行顺序并不相同，这可能会导致微小的差异。
这正是你的情况所发生的情况。

但如果你正在使用任何Regularizer损失和指标差异会更大，因为Regularizers惩罚损失函数以避免过度拟合。

理想情况下，指标和损失的工作方式相同，让我们看一下文档中的示例并进行比较。

二元交叉熵作为度量：

m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]])
m.result().numpy() 

0.81492424

二元交叉熵作为损失：

y_true = [[0., 1.], [0., 0.]]
y_pred = [[0.6, 0.4], [0.4, 0.6]]
bce = tf.keras.losses.BinaryCrossentropy()
bce(y_true, y_pred).numpy() 

0.81492424

希望这能回答您的问题，快乐学习！