我需要在 model.compile 中定义指标以便以后使用它们吗？

Question

我正在尝试训练一个模型，训练后，我想查看 TP TN FP FN、召回率、精度和灵敏度。

问题1：当我像这样编译模型时，是否需要定义所有这些指标？

metrics = [CategoricalAccuracy(),Precision(),Recall(),TruePositives(),TrueNegatives(),FalseNegatives(),FalsePositives(),SensitivityAtSpecificity(0.5)]
model.compile(optimizer=Adam(learning_rate = 0.004), loss=CategoricalCrossentropy(from_logits = True), metrics=metrics)

我想做的是在模型训练完成后，我想用这些指标对其进行评估，看看它在测试集上的表现如何。

问题2：如果我运行model.evaluate，是否会使用model.compile中使用的指标，或者我在进行评估时可以定义更多指标吗？

例如，我想在训练期间监控准确性，然后在评估时监控召回率/精度等。

Answer 1

如果您不想监视精度，请记住，您不必将它们放在编译中。在使用

tf.keras.metrics.Precision()

获得预测后，您可以简单地使用

model.predict

。但如果您想使用

model.evaluate

，则需要将它们放在

model.compile

上。这是因为

model.evaluate

仅使用编译模型时提到的指标，这些指标是在您调用

model.compile

时启动的