mindspore中执行model.报错

问题描述：

使用bseloss，可以训练但是eval会报错，

（1）如果meterics={'accuracy'：}

   报错为：ValueError: Classification case, dims of y_pred equal dims of y add 1, but got y_pred: 2 dims and y: 2 dims

（2）如果metrics = { 'accuracy': nn.Accuracy(),'loss': nn.Loss(),'precision': nn.Precision(),'recall': nn.Recall(),'f1_score': nn.F1() }

   报错为：ValueError: The dimension of loss must be 1, but got 2

   模型输出的shape和标签的shape都是（1，1），我看了官网编程教程-模型运行-model接口应用中的例子，输出的shape和标签的shape也都是（1，1），但那是一个回归问题，我还是不太清楚对于为这种分类问题这该如何解决？需要如何修改？

解答：

Accuracy评估指标适用于label是one_hot的场景，典型的使用场景是分类场景。

如果找不到适用的评估指标，可以自定义metric，定义符合当前网络的评估指标。参考编程指南：

自定义Metrics验证模型推理精度 — MindSpore master documentation