Python 如何命名Keras fit输出中的自定义指标

我在培训Keras模型时使用自定义指标。它工作正常，只是

model.fit_generator（…）

输出中的度量名称不可解释（注意：Tensorboard也使用了这些错误名称）

这是我正在做的一个可复制的例子：度量使用一个参数（除了预测和基本事实），因此我定义了一个工厂来生成无参数度量函数，类似于：

def my_dummy_metric(y_true, y_pred, the_param=1.0):
    return the_param * keras.backend.ones((1))

def my_metric_factory(the_param=1.0):
    def fn(y_true, y_pred):
        return my_dummy_metric(y_true, y_pred, the_param=the_param)

    return fn

my_second_metric = my_metric_factory(2.0)
my_other_metric = my_metric_factory(3.14)

然后我编译并训练我的模型：

model.compile(my_optim, my_loss, [my_second_metric, my_other_metric])
history = model.fit_generator(...)
print(history.params['metrics'])

我的问题是

history

中的度量名称是

fn

，

fn\u 1

，

val\u fn

和

val\u fn\u 1

。Tensorboard也使用这些名称，您需要了解implem细节才能理解它们

相反，使用简单的自定义函数时，如果没有工厂，则不会出现此问题：

model.compile(my_optim, my_loss, [my_dummy_metric])
history = model.fit_generator(...)
print(history.params['metrics'])

在基于工厂的用例中，是否有可能获得

my_XXX_metric

作为输出名称

---

环境：使用keras2.2.4、tf1.14.0、python3.7是的，这是可能的。在公制工厂中，只需设置一个适当的公制函数的

\uuu name\uuu

。例如：

def my_metric_factory(the_param=1.0):
    def fn(y_true, y_pred):
        return my_dummy_metric(y_true, y_pred, the_param=the_param)

    fn.__name__ = 'metricname_{}'.format(the_param)
    return fn

---

如果有人将TF 2.0或更高版本与默认度量（非自定义度量）一起使用，您可以在度量中尝试名称参数，如下所示：

# Recall inherits Metric class and similarly name of most of the metrics could be changed
recall = tf.keras.metrics.Recall(name = 'custom_name')
model.compile(loss=..., optimizer=...,
                        metrics=[recall])
model.fit(...)

如果您想为度量提供自定义名称，例如precision@k, recall@k，TopKCategoricalAccuracy，您可以按照如下方式操作：

k = 5
precision = tf.keras.metrics.Precision(top_k=k, name = 'precision_' + str(k))
model.compile(loss=..., optimizer=...,
                        metrics=[precision])
model.fit(...)

资料来源：