Keras中损失函数binary_crossentropy和categorical_crossentropy产生不同结果的分析

我在进行一个小的实验时突然发现了两个不同的结果，在进行首先体识别的任务中。这是一个多分类的问题，它总共有10类。一开始我只是为了验证一下实验的效果，就直接在网络上找了一个代码

然后就直接对着这个代码跑了。最后实验也跑通了。最后发现了一个特征奇怪的问题。当我直接跑这个代码的时候发现准确度很高，而且出奇的稳定。没有多少波动。当我从别的地方import 一个网络运行时发现结果差别很大。我检查了两个代码发现没啥问题。为什么结果差别很大。最后一看训练的参数，发现错了，第一个代码使用了binary_crossentropy 就直接运行了。后一个使用了categorical_crossentropy。改过以后发现一切都正常了。然后我上网搜了一下发现，这并不是我一个人的出现的错误。

网上给出的原因是Keras没有定义一个准确的度量，但有几个不同的，比如binary_accuracy和categorical_accuracy，当你使用binary_crossentropy时keras默认在评估过程中使用了binary_accuracy，但是针对你的分类要求，应当采用的是categorical_accuracy，所以就造成了这个问题。

所以你要么这么写：

from keras.metrics import categorical_accuracy

model.compile(loss='binary_crossentropy', 
optimizer='adam', metrics=[categorical_accuracy])

要么这么写：

model.compile(loss='categorical_crossentropy',
optimizer='adam',metrics=['accuracy'])

所以希望大家在使用代码的时候，一些细节要多注意。不能在网上找到一个代码然后就直接运行了。也不仔细查看。