Python 在Keras中定义特定的自定义度量

我试图用Python定义一个方法，我想用它作为度量标准，特别是对于EarlyStoping（restore_best_weights）。 问题是，我试图用这种方法（使用当前参数）进行预测，但这种方法似乎不起作用。（我需要一个特定递归问题的预测）

请参见以下简化示例：

import tensorflow as tf
from tensorflow.keras.layers import *
from tensorflow.keras.activations import *
from tensorflow.keras.models import *
from tensorflow.keras.optimizers import *
from tensorflow.keras.initializers import *
from tensorflow.keras.callbacks import *
import numpy as np

x_train = np.zeros((100, 7))
y_train = np.zeros(100)

model = Sequential()
model.add(Dense(units=7, input_shape=(x_train.shape[1], )))
model.add(Dense(units=1))
model.add(Activation('sigmoid'))

input1 = np.zeros((5, 7), dtype=np.float32)
y_hat = model.predict(input1)
print(y_hat)

def testMetric(y_true, y_pred):
    #input1 = np.zeros((5, 7), dtype=np.float32)
    #y_hat = model.predict(input1)
    return 5

model.compile(
loss="binary_crossentropy",
optimizer=Adam(0.05),
metrics=['binary_accuracy', testMetric]
)

reduce_lr = ReduceLROnPlateau(monitor='testMetric', min_delta=0, factor=0.7, patience=1, verbose=1, mode='max')
early = EarlyStopping(monitor='testMetric', min_delta=0, patience=7, verbose=1, mode='max', baseline=None, restore_best_weights=True)
model.fit(
    x=x_train,
    y=y_train,
    epochs=3,
    callbacks=[early, reduce_lr]
    )

当我在方法“testMetric”中不使用预测时，一切都很顺利。但是当我使用prediciton（取消注释）时，我得到了一条错误消息

RuntimeError: Method requires being in cross-replica context, use get_replica_context().merge_call()

有可能在我的方法中使用预测吗

我使用的是Tensorflow 2.2.0

---

这对我很有帮助：）

你也可以发布错误消息吗，我在colab上尝试了这个方法，得到了与副本上下文相关的错误（我认为这与分布式策略有关）。当我在方法中使用预测时，我得到了以下错误：“RuntimeError:方法需要在跨副本上下文中，使用get\u replica\u context（）.merge_call（）”。我不知道该怎么办。你也可以发布错误消息吗，我在colab上尝试了这个，得到了与副本上下文相关的错误（我认为这与分布式策略有关）。当我在方法中使用预测时，我得到了以下错误：“RuntimeError:方法需要处于跨副本上下文中，使用get_replica_context（）.merge_call（）”。我不知道该怎么办。