问题：一个数据又多个标签，一个样本数据多个类别中的某几类；比如一个病人的数据有多个疾病，一个文本有多种题材，所以标签就是： [1,0,0,0,1,0,1] 这种高维稀疏类型，如何计算分类准确率？
分类问题：
二分类
多分类
多标签
Keras metrics (性能度量)
介绍的比较好的一个博客：
https://machinelearningmastery.com/custom-metrics-deep-learning-keras-python/
还有一个介绍loss的博客：
metrics：在训练的每个batch结束的时候计算训练集acc，如果提供验证集（一个epoch结束计算验证集acc），也同时计算验证集的性能度量，分为回归任务和分类任务，有不同的acc计算办法；metrics 里面可以放 loss （回归问题）或者acc（分类问题）；
A metric is a function that is used to judge the performance of your model.
A metric function is similar to a loss function, except that the results from evaluating a metric are not used when training the model. You may use any of the loss functions as a metric function.
metrics其实和loss类似，只是不用来指导网络的训练；一般根据具体问题具体要求采用不同的 metric 函数，衡量性能；
分类问题的不同acc计算方法：
- Binary Accuracy: binary_accuracy, acc
- Categorical Accuracy: categorical_accuracy, acc
- Sparse Categorical Accuracy: sparse_categorical_accuracy
- Top k Categorical Accuracy: top_k_categorical_accuracy (requires you specify a k parameter)
- Sparse Top k Categorical Accuracy: sparse_top_k_categorical_accuracy (requires you specify a k parameter)
keras metrics 默认的accuracy:
metrics["accuracy"] : == categorical_accuracy; 最快的验证方法，训练一个简单网络，同时输出默认accuracy，categorical_accuracy，，binaray_accuracy, 对比就可以知道；
或者看keras源码，找到metrics默认设置：
多标签分类问题：
[1,0,0,1,0] , [1,0,0,0,0] 分别是 y_pred, y_true:
如果使用 binary_accuracy : acc = 0.8;
if the prediction would be [0, 0, 0, 0, 0, 1]. And if the actual labels were [0, 0, 0, 0, 0, 0], the accuracy would be 5/6.;
训练过程常见坑：
1.自定义loss：
自定义loss写成函数的时候，keras compile() 里面，要调用自定义的loss函数而不是只给函数名: