Keras多输出LSTM训练为何有3个损失值却仅2个准确率值及含义

1. 训练阶段对应指标字段 #

直接对应训练集维度的指标字段如下：

• 训练总损失值：loss
• 各分支单独的训练损失：activation_26_loss（ReLU输出分支损失）、lstm_151_loss（LSTM细胞状态输出分支损失）
• 各分支单独的训练准确率：activation_26_accuracy（ReLU输出分支准确率）、lstm_151_accuracy（LSTM细胞状态输出分支准确率）

所有带val_前缀的字段，均为验证集上对应同维度的计算值，和训练集字段一一匹配。

2. 指标数量差异与各指标具体含义 #

为什么会有3个损失值 #

Keras对多输出模型的损失计算有固定逻辑，你在编译模型时设置loss='mse'且没有单独给每个输出分支指定专属损失、损失权重时，会自动生成三类损失日志：

• 两个分支专属的单损失：模型一共设置了2个输出，Keras会对每个输出单独执行一次损失计算，对应生成两个分支的损失条目：
  • activation_26_loss：ReLU激活层的输出（也就是Dense层接ReLU的预测分支）和训练标签做MSE计算得到的单分支损失
  • lstm_151_loss：LSTM返回的细胞状态（即代码里的state_c，作为第二个输出分支）和训练标签做MSE计算得到的单分支损失
• 全局汇总的总损失：loss是把所有单分支损失按默认权重（未自定义权重时，每个分支的权重都为1）求和得到的最终优化目标值。从你提供的Epoch 1数值可以直接验证这个计算关系：0.1153（ReLU分支损失） + 0.1185（LSTM分支损失） = 0.2338，和日志里打印的总损失数值完全相等。

为什么只有2个准确率值 #

你在编译时设置的metrics=['accuracy']的计算逻辑和损失不同：

• Keras会对每个输出分支单独计算一次accuracy指标，2个输出自然对应2个准确率日志，也就是我们看到的activation_26_accuracy和lstm_151_accuracy，分别对应两个输出分支独立计算的准确率结果。
• Keras默认只会自动生成“所有分支损失求和”的总损失日志，但不会对逐分支的评估指标（比如accuracy）做全局汇总计算，因此不会生成一个总的准确率字段，最终日志里也就只会出现2个准确率值。

补充提示：你当前的两个输出分支本质是回归任务（配置的是MSE损失），但Keras自动计算的accuracy是按分类任务逻辑执行的——只有预测值和标签完全相等才算预测正确，和回归任务的评估逻辑完全不匹配，这也是日志里两个准确率长期显示为0的核心原因。

内容的提问来源于stack exchange，提问作者olo