咨询Keras中每个Epoch训练准确率的计算方法

嗨，我来给你把这个训练准确率的计算逻辑讲明白！

首先，你对batch size和epoch步数的理解完全没错：8000个样本、batch size=16，所以单个epoch确实要跑500个训练批次。而你看到的Epoch 1/50对应的训练准确率0.9381，是这么算出来的：

• 每批次先算局部准确率：模型每处理完一个batch（16个样本），会先计算这个batch里的预测准确率——也就是该batch中预测正确的样本数除以16。比如某batch里15个样本预测正确，那这个batch的准确率就是15/16=0.9375。
• 整个epoch做加权平均：等500个batch全部处理完后，Keras会把这500个batch的准确率做加权平均。因为你的每个batch样本数都是16（8000刚好是16的整数倍），所以权重都是一样的，直接把500个准确率加起来除以500就行；如果最后一批样本数不足16（比如总样本8001），那最后一个batch的权重就是实际样本数（1），其他批次权重是16，最终用所有批次的「准确率×样本数」之和除以总样本数得到最终的epoch训练准确率。

举个简化的小例子：假设只有2个batch，第一个batch准确率0.9，第二个batch准确率0.9762，那总准确率就是(0.9×16 + 0.9762×16)/32 = (14.4 + 15.6192)/32 ≈ 0.9381，刚好和你看到的数值对应上~

另外要提一句：不同的Keras版本或者自定义的metrics可能会有细微差异，但核心的加权平均逻辑是一致的，都是基于每个训练批次的准确率，结合样本数加权得到整个epoch的训练准确率。

内容的提问来源于stack exchange，提问作者user121