为何tf.keras.metrics.Accuracy()报错但metrics=['accuracy']可正常运行？

1. 报错根因 #

你遇到的形状不兼容报错，核心是Keras对字符串形式的指标和直接实例化的指标类处理逻辑不同：

• 当你传入字符串"accuracy"作为metrics参数时，Keras会自动根据当前使用的损失函数类型匹配对应的指标实现：你代码中使用的是SparseCategoricalCrossentropy（稀疏分类交叉熵，对应标签为整数格式、非one-hot格式），Keras会自动调用tf.keras.metrics.SparseCategoricalAccuracy()类做计算，这个类会自动对模型输出的10维logits做argmax操作，转成和标签形状一致的预测类别整数，再做准确率计算，因此不会有形状问题。
• 当你直接实例化tf.keras.metrics.Accuracy()传入时，这是通用准确率计算类，不会自动做logits转预测类别的处理，它要求输入的预测值y_pred和真实标签y_true形状完全一致。你模型输出的y_pred形状为(batch_size, 10)（每个样本对应10个类别的输出值），而真实标签y_true形状为(batch_size,)（每个样本对应1个整数类别），二者形状不匹配，因此抛出报错。

2. 二者功能是否一致 #

二者功能本质可以一致，但前提是你要手动匹配到正确的指标类：
你如果要手动实例化指标类实现和"accuracy"字符串完全相同的效果，只需要将代码中的指标替换为tf.keras.metrics.SparseCategoricalAccuracy()即可，修改后的compile代码如下：

model.compile(
    optimizer=tf.keras.optimizers.Adam(),
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=[tf.keras.metrics.SparseCategoricalAccuracy()]
)

上述代码运行效果和传入"accuracy"字符串完全一致。

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