关于Keras多分类任务中训练与验证准确率计算方法的问询

我明白你想深入搞清楚Keras里准确率的底层计算逻辑——毕竟损失函数（categorical_crossentropy）的逻辑你已经清楚，但准确率作为核心评估指标，确实需要明确它的计算细节。下面就一步步拆解：

核心指标：多分类场景下的默认准确率 #

在多分类任务中，Keras默认使用的准确率是**CategoricalAccuracy（针对独热编码标签）或SparseCategoricalAccuracy**（针对整数型标签）。当你在模型编译时指定metrics=['accuracy']，Keras会自动根据你的标签类型（独热/整数）选择对应的指标类，不用手动区分。

具体计算步骤（训练/验证通用逻辑） #

不管是训练准确率还是验证准确率，计算逻辑完全一致，只是计算时用到的数据集（训练批次/验证集）不同：

• 步骤1：处理模型输出
  模型最后一层通常是Dense(num_classes, activation='softmax')，输出是形状为(batch_size, num_classes)的张量，每个元素代表对应类别的预测概率（所有类别概率和为1）。
• 步骤2：确定预测类别
  对每个样本的输出张量，执行argmax(axis=-1)操作——也就是取概率最大的那个类别的索引，作为模型的预测结果。比如输出[0.1, 0.8, 0.1]，argmax后得到类别索引1。
• 步骤3：处理真实标签
  • 如果是独热编码标签（比如[0,1,0]对应类别1），同样对真实标签执行argmax(axis=-1)得到真实类别索引；
  • 如果是整数型标签（直接用1表示类别1），Keras会跳过argmax步骤，直接用原始标签对比。
• 步骤4：计算准确率
  统计预测类别索引与真实类别索引完全匹配的样本数量，除以当前计算范围内的总样本数，得到的就是该批次（训练）或整个验证集（验证）的准确率。

训练准确率 vs 验证准确率的差异 #

两者的核心计算逻辑相同，但计算范围和统计方式有区别：

• 训练准确率：在每个训练批次计算一次准确率，然后Keras会对所有批次的准确率进行加权平均（因为最后一个批次的样本数可能不足batch_size，权重就是该批次的样本数），最终得到整个epoch的训练准确率。
• 验证准确率：在每个epoch结束后，用完整的验证集计算——把所有验证样本的预测结果和真实标签对比，统计总正确数除以总验证样本数，得到的就是该epoch的验证准确率（没有加权，因为验证集是完整的）。

底层实现对应函数 #

如果你想手动调用或自定义，可以直接使用Keras的指标类：

• 针对独热标签：tf.keras.metrics.CategoricalAccuracy()
• 针对整数标签：tf.keras.metrics.SparseCategoricalAccuracy()

举个简单的例子：
假设batch里有3个样本，模型输出的概率矩阵是：

[[0.1, 0.8, 0.1],
 [0.3, 0.2, 0.5],
 [0.6, 0.3, 0.1]]

真实独热标签是：

[[0,1,0],
 [1,0,0],
 [1,0,0]]

经过argmax后，预测类别是[1,2,0]，真实类别是[1,0,0]，正确的样本是第1和第3个，所以准确率是2/3 ≈ 0.6667。

内容的提问来源于stack exchange，提问作者user121