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

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