Python 自定义召回指标给出错误结果且未更新-tensorflow

我想在tensorflow中实现一些简单的自定义指标。 作为第一步，我试图通过密切遵循中的

CategoricalTruePositives

示例来实现通常的回忆。主要区别在于

result（）

方法

代码运行正常，但记录的度量值存在严重问题：在整个培训过程中，它的值（错误）为

1.0

下面是我的代码

（注意：虽然我没有使用真阴性和假阳性，但它们并不是错误地存在的：我打算稍后使用它们。）

类别类别召回（度量）：
定义初始化（self，name=“categorical\u recall”**kwargs）：
超级（分类回忆，自我）。\uuuuu初始化（name=name，**kwargs）
self.true\u positives=self.add\u weight（name=“ctp”，initializer=“zeros”）
self.true\u negatives=self.add\u weight（name=“ctn”，initializer=“zeros”）
self.false\u positives=self.add\u weight（name=“cfp”，initializer=“zeros”）
self.false_negations=self.add_weight（name=“cfn”，initializer=“zeros”）
def更新状态（自身、y_真、y_pred、样本重量=无）：
y_-true=tf.cast（y_-true，tf.bool）
y_pred=tf.cast（y_pred，tf.bool）
#真正的积极因素
值=tf.logical_和（tf.equal（y_真，真），tf.equal（y_pred，真））
值=tf.cast（值“float32”）
self.true\u positives.assign\u add（tf.reduce\u sum（value））
#真正的否定
值=tf.logical_和（tf.equal（y_真，假），tf.equal（y_pred，假））
值=tf.cast（值“float32”）
self.true\u negatives.assign\u add（tf.reduce\u sum（value））
#假阳性
值=tf.logical_和（tf.equal（y_真，假），tf.equal（y_pred，真））
值=tf.cast（值“float32”）
self.false\u posities.assign\u add（tf.reduce\u sum（value））
#假阴性
值=tf.logical_和（tf.equal（y_真，真），tf.equal（y_pred，假））
值=tf.cast（值“float32”）
自我。错误否定。赋值添加（tf。减少总和（值））
def结果（自我）：
返回tf.math.truediv（self.true\u正值，（self.true\u正值+self.false\u负值））
def复位_状态（自身）：
#度量的状态将在每个历元开始时重置。
自.真\正.赋值（0.0）
self.true\u否定。赋值（0.0）
自.假阳性.赋值（0.0）
自我.假阴性.赋值（0.0）

感谢您的帮助