Python keras：使用逻辑运算符实现自定义度量

我正在尝试创建一个自定义指标来评估keras模型。如果y_true和y_pred都高于或低于某个值（在我的示例5中），则返回1，否则返回0。下面的lambda表达式是一个演示，说明了我想要实现的目标

lambda y_pred, y_true : 1 if y_true > 5  and y_pred > 5 or y_true < 5 and y_pred < 5 else 0

但是函数总是返回0

最后一层的输出与形状呈线性关系[None，2]。有人能给我解释一下实现自定义指标的方法吗

---

当您检查aremaj=K时，谢谢您。所有（maj）您需要使用axis=0检查它。

areman

和

res

def SAGR(y_true, y_pred):
    maj = K.greater([y_true, y_pred], 5)
    men = K.less([y_true, y_pred], 5)
    aremaj= K.all(maj, axis=0)
    aremen = K.all(men, axis=0)
    res = K.any([aremaj, aremen], axis=0)
    res_final = K.mean(K.cast(res,'float32'))
    print(K.eval(res_final))
    return res_final

说明：

K.eval(maj) # Looks like this
[[False False  True  True]
 [False  True  True False]]

K.eval(K.all(maj)) # evaluates to 1 value:
False

print(K.eval(K.all(maj, axis=0)))
# What we actually want is a comparison at axis 0 level.
[False False  True False]

工作代码：

---

PS：您还可以使用更详细的变量名，因为

aremaj

不是很有描述性，而

SAGR

是大写加非描述性。

添加了一个答案。让我知道这是否有用，谢谢：）仅供参考在发布此答案之前，我确实使用Tensorflow专有函数解决了以下问题：

def newSAGR（y_-true，y_-pred）：ma=tf.logical_和（K.morer（y_-pred，5），K.morer（y_-true，5））me=tf.logical_和（K.less（y_-pred，5），K.less（y_-true，5））返回K.mean（tf.logical_或（ma，me））

K.eval(maj) # Looks like this
[[False False  True  True]
 [False  True  True False]]

K.eval(K.all(maj)) # evaluates to 1 value:
False

print(K.eval(K.all(maj, axis=0)))
# What we actually want is a comparison at axis 0 level.
[False False  True False]