Python 使用外部参数实现自定义keras度量

我想实现一个自定义指标，使用训练集中未包含的值来评估预测，以每个历元为基础评估模型

我的度量标准的想法是：

def custom_metric(y_true, y_pred, other_values):
   """
   y_true is training data, binary value
   y_pred is predicted values 
   other_values is an inputted tensor, includes values in (0, 2) """

   Use K backend to return the proper value.
   ...

可能还有其他方法可以进行相同的计算，有效地解决相同的问题。其中之一是在每个历元检查模型，并在训练完成后运行此分析。然而，我不想这样做，因为我正在TPU上训练，将权重复制到CPU需要在每个历元编译，并且需要100倍的训练时间

---

有人有一个聪明的方法来实现这个技术吗？无论是在度量还是其他方法中？

答案是使用包装函数：

即

def custom_metric(my_variable):
   # 1. conversion of my_variable to tensor
   def metric_name(y_pred, y_true):
      # 2. return tensorflow backend metric, utilizing custom tensor
   return metric_name