Python TypeError:类型为'的对象；张量'；在Tensorflow中使用自定义度量时没有len（）

我正在使用Keras和Tensorflow后端开发一个多类分类问题（4类）模型。

y_test

的值具有2D格式：

0 1 0 0
0 0 1 0
0 0 1 0

这是我用来计算平衡精度的函数：

def my_metric(targ, predict):
    val_predict = predict
    val_targ = tf.math.argmax(targ, axis=1)
    return metrics.balanced_accuracy_score(val_targ, val_predict)

这就是模型：

hidden_neurons = 50
timestamps = 20
nb_features = 18

model = Sequential()

model.add(LSTM(
                units=hidden_neurons,
                return_sequences=True, 
                input_shape=(timestamps,nb_features),
                dropout=0.15
                #recurrent_dropout=0.2
              )
         )

model.add(TimeDistributed(Dense(units=round(timestamps/2),activation='sigmoid')))

model.add(Dense(units=hidden_neurons,
               activation='sigmoid'))


model.add(Flatten())

model.add(Dense(units=nb_classes,
               activation='softmax'))

model.compile(loss="categorical_crossentropy",
              metrics = [my_metric],
              optimizer='adadelta')

运行此代码时，会出现以下错误：

---------------------------------------------------------------------------TypeError回溯（最近的调用 最后）在（） 30模型。编译（loss=“categorical\u crossentropy”， 31指标=[my#u指标]，#“准确性”， --->32优化器='adadelta'）

~/anaconda3/lib/python3.6/site-packages/keras/engine/training.py in 编译（自我、优化器、损失、度量、损失权重、， 样本权重模式、加权度量、目标张量、**kwargs） 449输出度量=嵌套度量[i] 450输出加权度量=嵌套加权度量[i] -->451处理度量（输出度量） 452处理度量（输出加权度量，权重=权重） 453

~/anaconda3/lib/python3.6/site-packages/keras/engine/training.py in 处理度量（度量、权重） 418度量结果=加权度量fn（y_真，y_pred， 419重量=重量， -->420掩码=掩码[i]） 421 422#将self.metrics_名称、self.metric_张量

~/anaconda3/lib/python3.6/site-packages/keras/engine/training\u utils.py 加权中（y_真、y_pred、权重、掩码） 402 """ 403#分数_数组的ndim>=2 -->404分数数组=fn（y_真，y_pred） 405如果掩码不是无： 406#将遮罩投射到floatX，以避免float64向上投射

在my_度量中（目标、预测） 22 val_predict=预测 23 val_targ=tf.math.argmax（targ，轴=1） --->24个返回指标。平衡的准确性得分（val\U targ，val\U predict） 25#返回5 二十六

~/anaconda3/lib/python3.6/site-packages/sklearn/metrics/classification.py 在平衡的精度评分中（y_真、y_pred、样本重量、调整）
1431 1432 """ ->1433 C=混淆矩阵（y_真，y_pred，样本重量=样本重量）1434 np.errstate（divide='ignore'，invalid='ignore'）：1435
每类=np.图（C）/C.和（轴=1）

~/anaconda3/lib/python3.6/site-packages/sklearn/metrics/classification.py 混淆矩阵（y_真、y_pred、标签、样本重量） 251 252 """ -->253 y_类型，y_真，y_pred=_检查_目标（y_真，y_pred） 254如果y_类型不在（“二进制”、“多类”）： 255提升值错误（“%s不受支持”%y\u类型）

~/anaconda3/lib/python3.6/site-packages/sklearn/metrics/classification.py in_check_目标（y_true，y_pred） 69 y_pred：阵列或指示符矩阵 70 """ --->71检查长度是否一致（y_true，y_pred） 72 type_true=_目标的类型（y_true） 73类型_pred=类型_目标（y_pred）

~/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in 检查长度是否一致（*数组） 229 """ 230 -->231长度=[[如果X不是无，则数组中X的样本数（X）] 232唯一性=np.唯一性（长度） 233如果len（uniques）>1：

~/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in (.0) 229 """ 230 -->231长度=[[如果X不是无，则数组中X的样本数（X）] 232唯一性=np.唯一性（长度） 233如果len（uniques）>1：

~/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in _样本数（x） 146返回x.shape[0] 147.其他： -->148返回透镜（x） 149其他： 150回程透镜（x）

TypeError:“Tensor”类型的对象没有len（）

---

不能在Keras张量上调用sklearn函数。您需要使用Keras的后端函数自己实现该功能，如果您使用TF后端，则需要使用TensorFlow函数

在每一列中定义并获得平衡精度分数。检查精确性和召回率的实施情况。至于

平衡的\u准确性\u分数

，您可以按如下方式实施：

import keras.backend as K

def balanced_recall(y_true, y_pred):
    """
    Computes the average per-column recall metric
    for a multi-class classification problem
    """ 
    true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)), axis=0)  
    possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)), axis=0)   
    recall = true_positives / (possible_positives + K.epsilon())    
    balanced_recall = K.mean(recall)
    return balanced_recall

尝试：

---

pip安装——升级tensorflow

指标。平衡的精度评分是从sklearn获得的吗？@Primusa:是的<代码>来自sklearn import metrics

虽然这可能会解决问题，但最好解释升级该软件包解决错误的原因。否则，这就像是一个服务台问“你试过重启你的电脑了吗？”（应该是一个评论），特别是因为长期以来被接受的答案表明这是由其他原因引起的。