自定义指标Keras

我试图用Keras解决一个有3个输出的回归问题。我需要创建一个自定义指标来比较这3个变量中每个变量的真实值和预测值，看看它们是否都在某个范围内，如果出现这种情况，我认为这是成功的。我试过一些你可以在下面看到的东西

Yclasses = 3 #Number of output classes
train_samples = 2 # Number of train samples in the batch
valid_samples = max(1,np.int(0.2*train_samples)) # Number of validation samples in the batch
cont = np.zeros((train_samples+valid_samples,Yclasses))
def nossa_metrica(y_true, y_pred):
  for l in range(0,y_true.shape[0]):
    for c in range(0,y_true.shape[0]):
      if c == 0:
        if y_true[l][c] <= 4000 and y_pred[l][c] <= 4000:
          cont[l][c] = 1
        elif (y_true[l][c] > 4000 and y_true[l][c] <= 8500) and (y_pred[l][c] > 4000 and y_pred[l][c] <= 8500):
          cont[l][c] = 1
        elif y_true[l][c] > 8500 and y_pred[l][c] > 8500:
          cont[l][c] = 1
      elif c == 1:
        if y_true[l][c] <= 1150 and y_pred[l][c] <= 1150:
          cont[l][c] = 1
        elif (y_true[l][c] > 1150 and y_true[l][c] <= 2300) and (y_pred[l][c] > 1150 and y_pred[l][c] <= 2300):
          cont[l][c] = 1
        elif y_true[l][c] > 2300 and y_pred[l][c] > 2300:
          cont[l][c] = 1
      elif c == 2:
        if (y_true[l][c] <= 0.075 and y_pred[l][c] <= 0.075) or (y_true[l][c] > 0.075 and y_pred[l][c] > 0.075):
          cont[l][c] = 1
  return np.sum(cont)/((train_samples+valid_samples)*Yclasses)

yclass=3#输出类的数量
序列样本=2个#批次中的序列样本数
有效样本=最大（1，np.int（0.2*系列样本））#批次中的验证样本数
cont=np.零（（序列样本+有效样本，循环类））
def nossa_metrica（y_true，y_pred）：
对于范围内的l（0，y_true.shape[0]）：
对于范围（0，y_true.shape[0]）内的c：
如果c==0：
如果y_真[l][c]8500：
续[l][c]=1
elif c==1：
如果y_真[l][c]2300：
续[l][c]=1
elif c==2：
如果（y_真[l][c]0.075）：
续[l][c]=1
返回np.总和（续）/（（序列样本+有效样本）*YCLASS）

但是，我得到了以下错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-20-1c70196ab01b> in <module>()
     68 
     69 #model.compile(loss='binary_crossentropy',optimizer='adam',verbose = 2,metrics=['binary_accuracy'])
---> 70 model.compile(loss='mse',optimizer='adam',verbose = 2,metrics=[nossa_metrica])
     71 model.summary()
     72 

10 frames
<ipython-input-20-1c70196ab01b> in nossa_metrica(y_true, y_pred)
     15 print(cont)
     16 def nossa_metrica(y_true, y_pred):
---> 17   for l in range(0,y_true.shape[0]):
     18     for c in range(0,y_true.shape[0]):
     19       if c == 0:

TypeError: 'NoneType' object cannot be interpreted as an integer

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
68
69#model.compile（loss='binary_crossentropy'，optimizer='adam'，verbose=2，metrics=['binary_accurity']））
--->70 model.compile（loss='mse'，optimizer='adam'，verbose=2，metrics=[nossa_metrica]）
71范本摘要（）
72
10帧
在nossa_metrica（y_true，y_pred）
15印刷品（续）
16 def nossa_metrica（y_true，y_pred）：
--->17对于范围内的l（0，y_真。形状[0]）：
18对于范围内的c（0，y_真。形状[0]）：
19如果c==0：
TypeError:“非类型”对象不能解释为整数

那么，错误与我的

for

循环有关？我真的不知道如何使用循环和条件来定义自定义度量。任何帮助都将不胜感激

---

提前谢谢

您是否传入一个空批次，即形状为

（0，…）

？不，没有空批次。