我有一个输出为 NxM
的神经网络,其中 N
是批量大小,M
是网络的输出数量需要做出预测。我想为网络的每个 M
输出计算一个指标,即跨批处理的所有实例,但分别为每个 M
输出计算一个指标,以便有将是该指标的 M
值。我尝试创建一个自定义指标,如下所示。
def my_metric(y_true, y_pred):
return [3.1, 5.2] # a list of dummy values
然后将此指标传递给模型的 compile
方法的指标列表,然后 Keras 输出一个数字,该数字是 3.1
和 的平均值5.2
(在本例中为 (3.1 + 5.2)/2 = 4.15
),而不是打印实际列表。那么,有没有一种方法可以返回并打印列表(或 numpy 数组)作为指标?当然,在我的具体情况下,我不会返回上面示例中的虚拟列表,但我的自定义指标更加复杂。
最佳答案
每 M 制定一个指标。
一个输出的工作代码:
from keras.layers import Dense, Input
from keras.models import Model
import keras.backend as K
import numpy as np
inputs = Input((5,))
outputs = Dense(3)(inputs)
model = Model(inputs, outputs)
def metricWrapper(m):
def meanMetric(true, pred):
return pred[:, m]
meanMetric.__name__ = 'meanMetric_' + str(m)
return meanMetric
metrics = [metricWrapper(m) for m in range(3)]
model.compile(loss='mse', metrics=metrics, optimizer='adam')
model.fit(np.random.rand(10,5), np.zeros((10,3)))
关于tensorflow - 是否有可能有一个返回数组(或张量)而不是数字的度量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59952527/