Python 如何在Keras中获取历史回调指标?
如何检索回调指标的历史记录?我有一个类Python 如何在Keras中获取历史回调指标?,python,keras,Python,Keras,如何检索回调指标的历史记录?我有一个类Metrics,我在Keras模型的fit函数中使用它,如下callbacks=[model\u Metrics] 这是类Metrics和fit功能的完整代码 class Metrics(Callback): def on_train_begin(self, logs={}): self.val_f1s = [] self.val_bal_accs = [] def on_epoch_end(self, e
Metrics
,我在Keras模型的fit
函数中使用它,如下callbacks=[model\u Metrics]
这是类Metrics
和fit
功能的完整代码
class Metrics(Callback):
def on_train_begin(self, logs={}):
self.val_f1s = []
self.val_bal_accs = []
def on_epoch_end(self, epoch, logs={}):
val_predict = np.argmax((np.asarray(self.model.predict(self.validation_data[0]))).round(), axis=1)
val_targ = np.argmax(self.validation_data[1], axis=1)
_val_f1 = metrics.f1_score(val_targ, val_predict, average='weighted')
_val_bal_acc = metrics.balanced_accuracy_score(val_targ, val_predict)
self.val_f1s.append(_val_f1)
self.val_bal_accs.append(_val_bal_acc)
print(" — val_f1: {:f} — val_bal_acc: {:f}".format(_val_f1, _val_bal_acc))
return
model_metrics = Metrics()
history = model.fit(np.array(X_train), y_train,
validation_data=(np.array(X_test), y_test),
epochs=5,
batch_size=2,
callbacks=[model_metrics],
shuffle=False,
verbose=1)
如何获取val\u f1
和val\u bal\u acc
的历史记录?现在我只能访问loss
,val\u loss
,acc
,val\u acc
:
print(history.history.keys())
要与keras
historyapi交互,您需要传入metrics
的参数,而不是callbacks
在当前状态下,您的val_f1
和val_bal_acc
不会存储在历史对象中,而是存储在您的model_metrics
对象中
您可以这样访问它们:
model_metrics.val_f1s
这与访问任何对象的属性相同
最后,如果确实要创建自定义度量并希望从历史中访问它,则需要定义自定义度量(作为函数),然后将其传递到模型中的度量kwarg中。编译。这是这样做的:
def my_metric(y_true y_pred):
return y_true # just a dummy return value
# assume that the model is defined somewhere
model.compile(loss=..., optimizer=..., metrics = [my_metric]
然后你就可以在你不合适的历史对象中找到val\u my\u metric
。应该是my\u metric(y\u pred,y\u true)
还是my\u metric(y\u true,y\u pred)
或者它并不重要?另外,我尝试创建一个函数如下:def my\u metric(targ,predict):val\u targ=np.arg(targ,axis=1)返回度量值。平衡的精度分数(val,targ,predict)
,但失败的消息如下:属性错误:“Tensor”对象没有属性“argmax”
。对于第二个注释,我认为您应该使用tf.argmax或tf.math.argmax