Python 自定义Keras公制返回值'；轴超出范围'；错误

我已经用Keras构建了一个多类、多标签的图像分类网络。总共有25个类，每个图像中至少有一个类。我想实现一个自定义精度度量，它告诉我最高概率类出现在图像中的频率（常规精度的意义不大，因为真正的正片被真正的负片淹没）

我构建了一个简单的函数，当我手动输入y_true和y_pred时，它会生成所需的精度度量。但是，当我尝试将此函数插入模型训练过程时，它会产生一个错误

def customAcc(y_true, y_pred):
    classPreds = np.array([np.eye(numClasses)[x] for x in  np.argmax(y_pred, axis=1)])
    correctPreds = y_true * classPreds
    return np.mean(np.sum(correctPreds, axis=1))

model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.0001), 
loss='binary_crossentropy', metrics=['accuracy', customAcc])

AxisError:轴1超出维度为1的数组的界限

TL；博士

y_pred

是1D，它只有一个可能的轴。从

np.argmax

调用中删除

axis=1

---

演练 这种特殊情况下的问题是这一行：

classPreds=np.array（[np.eye（numclass）[x]表示np.argmax中的x（y_pred，axis=1）]）

具体来说：

np.argmax（y\u pred，axis=1）

。 你的

y\u pred

是一个一维数组，比如

[0.1,0.2]

，你告诉

np.argmax

在

axis=1

上寻找值，除非你传递两个或更多维度的数组，比如

[[0.1,0.2]，[0.3,0.4]

一个可操作的例子：

>>将numpy作为np导入
>>>num_classes=25
>>>np.argmax（[0.1,0.5,0.9]）#一维数组上的最大值索引
2.
>>>np.argmax（[0.1,0.5,0.9]，轴=1）#1D数组轴1上的最大值索引
AxisError:轴1超出维度为1的数组的界限

如果

y_pred

是二维数组，则不会发生轴错误-但是

np.argmax

将返回索引列表，而不是标量，如下所示：

>>np.argmax([
...     [0.1, 0.5, 0.9],
...     [0.9, 0.5, 0.1]
…]，轴=1）
数组（[2,0]，dtype=int64）#第一个数组在索引2处的最大值，第二个数组在索引0处的最大值

---

通过从

argmax

中去掉

axis=1

，您将获得

y_pred

中最大值的正确标量索引，很清楚，y_pred和y_true以及n（数据点数量）乘以k（类数量）的二维矩阵然后分别包含类概率和一个热编码类，这很奇怪。如果是这样的话，你是否可以编辑你的问题，发布错误的完整堆栈跟踪？从您最初的代码片段中，惟一容易出错的一行就是我提到的那一行。