Keras中类模型metrics的compile方法的参数的含义我不是很清楚：
model.compile(..., metrics = ['accuracy'], ...)
该文件指出：
模型在训练和测试期间要评估的指标列表
我不明白的是：
这些是用于在每个训练时期结束时评估网络性能的指标吗，即在每个时期结束时，代码使网络在训练集上进行预测并计算传递的指标
或者
这些是用于训练网络的指标吗，即网络是否以获取这些指标的最佳值为目标进行训练（我不知道它是如何做到这一点的，例如：如果召回率低，那么它会纠正使用正样本时权重更多）？
（或者它有其他含义？）
该论点metrics旨在定义您的培训评估标准。让我举个例子：如果你正在训练一个分类器，你想根据它的准确度（百分比）来评估你的模型。因此，您的指标是accuracy（表示为 [0, 1] 范围内的浮点数）。准确率越高，损失越低，模型越好。
metrics不得与loss. 损失函数是您在模型出错时“惩罚”模型所需要的。损失函数是反向传播和权重更新的基础，loss是神经网络用来学习的对象。相反，指标是人类观察以了解模型有多好并进行交流的东西。
某些指标的定义是可选的，您可以根据需要仅根据损失值评估模型。有时您不需要指定它。例如，在回归任务中，即当您必须预测连续输出时，您需要指定损失（通常是 MSE 或 RMSE）并基于此评估您的模型。