Keras model.compile可用的有效字符串有哪些？含metrics参数示例

一、优化器（Optimizer）有效字符串 #

• 'sgd'、'rmsprop'、'adam'、'adagrad'、'adadelta'、'adamax'、'nadam'、'ftrl'

二、损失函数（Loss）有效字符串 #

按任务类型划分：

回归任务 #

• 'mse'（均方误差）、'mae'（平均绝对误差）、'mape'（平均绝对百分比误差）、'huber'、'logcosh'

分类任务 #

• 二分类：'binary_crossentropy'
• 多分类（单标签）：'categorical_crossentropy'（需独热编码标签）、'sparse_categorical_crossentropy'（支持整数标签）

其他任务 #

• 'ctc'（序列任务用）、'poisson'、'kl_divergence'

三、评估指标（Metrics）有效字符串 #

这是你问题的核心，直接用'recall'、'precision'报错，是因为这类指标需要匹配任务类型选对应的字符串，具体如下：

通用指标 #

• 'accuracy'（或简写'acc'）：分类准确率
• 'loss'：训练损失值

二分类任务专属 #

• 'precision'：精确率
• 'recall'：召回率
• 'true_positives'、'true_negatives'、'false_positives'、'false_negatives'
• 'auc'：ROC曲线下面积
• 'binary_accuracy'：二分类准确率（和'acc'效果一致）

多分类任务专属 #

必须带后缀指定计算方式：

• 宏平均：'precision_macro'、'recall_macro'（各类别指标算术平均）
• 微平均：'precision_micro'、'recall_micro'（全局样本计算）
• 加权平均：'precision_weighted'、'recall_weighted'（按类别样本量加权）
• 'categorical_accuracy'（独热编码标签用）、'sparse_categorical_accuracy'（整数标签用）

回归任务专属 #

• 'mse'、'mae'、'mape'、'cosine_similarity'

关键说明 #

如果你的模型是多分类场景，直接写'recall'、'precision'会报错——Keras没法判断你要用哪种平均方式，必须选带后缀的版本；如果是二分类场景，只要模型输出是单神经元+sigmoid激活，用'recall'、'precision'就能正常运行。

内容的提问来源于stack exchange，提问作者John Henckel