自定义Categorical_Crossentropy损失与内置版本性能不一致如何修正？

• 你的自定义损失函数误用了tf.keras.metrics.categorical_crossentropy，而TensorFlow内置的categorical_crossentropy损失对应的是tf.keras.losses.categorical_crossentropy。二者设计目标不同：metrics版本用于计算评估指标，losses版本专门为训练优化做了数值稳定性等适配，直接混用会导致模型性能出现差异。

• 修改后的自定义损失函数代码：

def CustomLoss(y_true, y_pred):
    usual_loss = tf.keras.losses.categorical_crossentropy(y_true, y_pred, from_logits=False, label_smoothing=0.0, axis=-1)
    return usual_loss

model.compile(
  loss=CustomLoss,
  optimizer='adam',
  metrics=['categorical_accuracy']
)

• 若你只是想封装内置损失函数以便后续扩展，也可以直接使用CategoricalCrossentropy类实例，这更符合Keras的损失函数规范：

custom_loss = tf.keras.losses.CategoricalCrossentropy(from_logits=False, label_smoothing=0.0)

model.compile(
  loss=custom_loss,
  optimizer='adam',
  metrics=['categorical_accuracy']
)

内容的提问来源于stack exchange，提问作者Abdul Moid