使用Keras做分类的时候踩了一个坑，也是拿来主义的锅，估计也有不少同志遇到。
在进行分类的时候，往往使用categorical_crossentropy，有时候萌新（像我）会用binary_crossentropy，虽然结果可能上浮30%，但是这个结果是不对的。model.fit以及model.evaluate给出的acc的值都是有问题的，正确的计算方法应该是：
# Actual accuracy calculated manually:
y_pred = model.predict(x_test)
acc = sum([np.argmax(y_test[i])==np.argmax(y_pred[i]) for i in range(10000)])/10000
其中
numpy.argmax(a, axis=None, out=None)
# 返回沿轴axis最大值的索引。
使用测试样本的数量代替10000，输出的acc才是正确的结果。
这个方法是使用二分类的时候才能使用的，label的个数多于2就不能使用。