多输出CNN年龄性别检测模型metrics参数ValueError问题求助

错误原因 #

你的模型包含性别二分类和年龄回归两个输出，但在model.compile()中仅传入了1个评估指标，Keras要求多输出模型的metrics参数条目数必须与输出数一致。同时要注意：年龄预测是回归任务，不能使用仅适用于分类任务的accuracy指标。

解决方案 #

针对多输出模型，有两种规范的metrics设置方式：

方式1：列表对应式 #

按输出顺序，为每个输出指定对应的评估指标（单个指标或指标列表）：

• 第一个输出（性别分类）：用accuracy
• 第二个输出（年龄回归）：用回归类指标，比如mae（平均绝对误差）或mse（均方误差）

修改后的compile代码：

model.compile(
    loss=["binary_crossentropy", "mae"],
    optimizer="Adam",
    metrics=[["accuracy"], ["mae"]]  # 每个子列表对应一个输出的指标
)

方式2：字典映射式（更直观） #

利用输出层的name参数，直接为每个输出指定指标，可读性更强：

model.compile(
    loss={"sex_out": "binary_crossentropy", "age_out": "mae"},
    optimizer="Adam",
    metrics={"sex_out": "accuracy", "age_out": "mae"}
)

如果需要为单个输出设置多个指标，也可以用列表：

metrics={"sex_out": ["accuracy", "recall"], "age_out": ["mae", "mse"]}

修改后的完整模型代码 #

def model(input_shape):
    inputs=Input((input_shape))
    conv_1=Convolution(inputs,32)
    maxp_1=MaxPooling2D(pool_size=(2,2))(conv_1)
    conv_2=Convolution(maxp_1,64)
    maxp_2=MaxPooling2D(pool_size=(2,2))(conv_2)
    conv_3=Convolution(maxp_2,128)
    maxp_3=MaxPooling2D(pool_size=(2,2))(conv_3)
    conv_4=Convolution(maxp_3,256)
    maxp_4=MaxPooling2D(pool_size=(2,2))(conv_4)
    flatten= Flatten()(maxp_4)
    dense_1=Dense(64,activation='relu')(flatten)
    dense_2=Dense(64,activation='relu')(flatten)
    drop_1=Dropout(0.2)(dense_1)
    drop_2=Dropout(0.2)(dense_2)
    output_1=Dense(1,activation='sigmoid',name='sex_out')(drop_1)
    output_2=Dense(1,activation='relu',name='age_out')(drop_2)
    model=Model(inputs=[inputs],outputs=[output_1,output_2])
    # 采用字典映射式配置loss和metrics
    model.compile(
        loss={"sex_out": "binary_crossentropy", "age_out": "mae"},
        optimizer="Adam",
        metrics={"sex_out": "accuracy", "age_out": "mae"}
    )
    return model

关键注意点 #

• 回归任务（年龄预测）不能使用accuracy，该指标仅用于衡量分类任务的预测正确比例，对连续值预测完全不适用，必须选用回归类指标。
• 多输出模型的loss和metrics参数，使用字典映射式比列表式更易维护，尤其是当输出顺序调整时，不会出现指标匹配错误。

内容的提问来源于stack exchange，提问作者Satya Prakash Mohanty