列出 keras 模型中编译的指标？

Question

我已经加载了一个 Keras 模型（或者刚刚创建并编译了它）。如何访问编译模型所用的指标对象列表？ 我可以使用以下方法访问损失和优化器：

model.loss

和

model.optimizer

。 因此，我假设我会在

model.metrics

中找到指标列表，但这只会返回一个空列表。

Answer 1

您必须运行模型至少 1 个时期才能使指标名称可用：

import numpy as np
import tensorflow as tf
x = np.random.uniform(0,1, (37432,512))
y = np.random.randint(0,2, (37432,1))
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(256, activation = 'relu'))
model.add(tf.keras.layers.Dense(2, activation='softmax'))

model.compile(loss="sparse_categorical_crossentropy",
              optimizer='adam',
              metrics=['accuracy'])
print(model.metrics_names)
_ = model.fit(x= x, y = y, validation_split=0.2, verbose = 0)
print(model.metrics_names)

输出：

[]
['loss', 'accuracy']

对于度量对象：

model.metrics[1:]

输出：

[<tensorflow.python.keras.metrics.MeanMetricWrapper at 0x7fbe702aee50>]

Answer 2

您可以在

model.fit()

之前从

model.compiled_metrics

属性获取它们，该属性是在

model.compile()

中创建的 MetricGenerator 对象。拟合前后的内存地址是相同的，所以我假设它是同一个对象。这适用于 tf 2.6.0。

>>> model.compile(metrics=[tf.keras.losses.sparse_categorical_crossentropy])
>>> model.metrics
[]
>>> model.compiled_metrics
<keras.engine.compile_utils.MetricsContainer at 0x7f701c7ed4a8>
>>> model.compiled_metrics._metrics
[<keras.metrics.SparseCategoricalCrossentropy object at 0x7facf8109b00>]
>>> model.fit(x)
...
>>> model.metrics
[<keras.metrics.Mean object at 0x7facf81099e8>, 
<keras.metrics.SparseCategoricalCrossentropy object at 0x7facf8109b00>]