我有一个带有输出NxM
的神经网络,其中N
是批处理大小,M
是网络需要进行预测的输出数量。我想为网络的每个M
输出计算一个指标,即跨批次的所有实例,但为每个M
输出分别计算一个指标,以便该指标有M
个值。我尝试如下创建自定义指标。
def my_metric(y_true, y_pred):
return [3.1, 5.2] # a list of dummy values
然后将此度量传递到模型的compile
方法的度量列表,然后Keras输出一个数字,该数字是3.1
和5.2
的平均值(在这种情况下为(3.1 + 5.2)/2 = 4.15
),而不是打印实际列表。那么,是否有一种方法可以返回并打印列表(或numpy数组)作为度量?当然,在我的特定情况下,我不会在上面的示例中返回虚拟列表,但是我的自定义指标更加复杂。
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)))