Keras model.compile：要通過模型評估的指標

Question

我正在關注一些Keras教程，並且我瞭解model.compile方法會創建一個模型並採用'metrics'參數來定義在培訓期間用於評估的指標測試。

compile(self, optimizer, loss, metrics=[], sample_weight_mode=None) 

我遵循的教程通常使用「metrics = ['accuracy']」。我想使用其他指標，如fmeasure，並閱讀https://keras.io/metrics/我知道有很多選擇。但我不知道如何將它們傳遞給編譯方法？

例如：

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['fmeasure']) 

將產生一個錯誤，說沒有這樣的度量。

任何建議高度讚賞

感謝

Answer 1

您可以提供兩種度量類型。
首先是由keras提供的一個，你可以找到here你在單引號像「美」提供，或者也可以這樣定義

from keras import metrics 
model.compile(loss='mean_squared_error', 
       optimizer='sgd', 
       metrics=[metrics.mae, metrics.categorical_accuracy]) \\or like 
       metrics=['mae', 'categorical_accuracy'] 

二是這樣的

import keras.backend as K 

def mean_pred(y_true, y_pred): 
    return K.mean(y_pred) 

model.compile(optimizer='rmsprop', 
       loss='binary_crossentropy', 
       metrics=['accuracy', mean_pred]) 

定義指標

這裏mean_pred是自定義指標。查看定義已有指標和自定義指標的區別。所以fmeasure不容易獲得。您必須將其定義爲自定義功能。

Answer 2

我相信，你的問題是類似https://stackoverflow.com/a/43354147/6701627。請在給定的文章中查看答案。 PS：我打算把它作爲評論，但是沒有足夠的聲望點。