自定义指标Keras

我需要帮助在keras中创建自定义指标。我需要计算我的错误等于零的次数（y_pred-y_true=0）

我试过这个：

n_train = 1147 # Number of samples on training set
c = 0 # Variable to count
def our_metric(y_true, y_pred):
  if y_true-y_pred == 0:
    c += 1
  return c/n_train

但我得到了一个错误：

OperatorNotAllowedInGraphError：使用

tf.Tensor

作为Python

bool

在图形执行中不允许。使用急切的执行或装饰 此函数带有@tf.function

编辑：使用此处提出的解决方案：

我这样解决了我的问题：

c = tf.constant(0)
def our_metric(y_true, y_pred):
  mask = K.equal(y_pred, y_true) # TRUE if y_pred = y_true
  mask = K.cast(mask,K.floatx())
  s = K.sum(mask)
  return s/n_train

---

不能在纯

tensorflow

中运行Python比较（使用静态图）

您必须启用

eager模式

，这是一个包装器，允许您使用一些Python控制语句（如

if

或

循环

）。只需根据错误建议修改函数，或在脚本开始时发出

tf.enable\u eager\u execution（）

---

您可能还希望更新代码以使用

tf2.0

，它更直观，默认情况下启用了“急切”模式。

您不能在纯

tensorflow

中运行Python比较（使用静态图）

您必须启用

eager模式

，这是一个包装器，允许您使用一些Python控制语句（如

if

或

循环

）。只需根据错误建议修改函数，或在脚本开始时发出

tf.enable\u eager\u execution（）

---

您可能还希望更新代码以使用

tf2.0

，这更直观，并且默认情况下启用了“急切”模式。

使用Keras后端函数计算值等于零的次数有多种方法。你只需要跳出框框思考一下。以下是一个例子：

diff = y_true - y_pred
count = K.sum(K.cast(K.equal(diff, K.zeros_like(diff)), 'int8'))

---

也可以使用

tf.count\u nonzero

操作，但是混合使用keras和显式tensorflow可能会导致问题。

有许多方法可以使用keras后端函数来计算值等于零的次数。你只需要跳出框框思考一下。以下是一个例子：

diff = y_true - y_pred
count = K.sum(K.cast(K.equal(diff, K.zeros_like(diff)), 'int8'))

---

也可以使用

tf.count\u nonzero

操作，但混合keras和显式tensorflow可能会导致问题。

这与精度度量完全相同我使用了此处提出的解决方案：这与精度度量完全相同我使用了此处提出的解决方案：