Python 如何在Keras中创建返回多维值的度量？

我正在使用keras解决一个多类问题。我的数据非常不平衡，所以我试图创建类似于混淆矩阵的东西。我的数据集非常大，并保存为HDF5，因此我使用HDF5Matrix获取X和Y，使scikit学习混淆矩阵不相关（据我所知）。 我已经看到有可能，或者更优雅的解决方案是创建一个多维度量来累加（预测的，真实的）标签对（有点像混淆矩阵）。 我使用了以下回调来尝试和窥探每个批次/历元的情况：

from keras.callbacks import LambdaCallback
batch_print_callback = LambdaCallback(on_batch_end=lambda batch, logs: 
print(logs),on_epoch_end=lambda epoch, logs: print(logs))

但它只累积一个值（通常是排序的平均值）

我还尝试查看是否可以按如下方式返回y_pred/y_true（尝试查看是否可以在日志中打印多维值）：

但是，它并没有像我预期的那样返回多维值

---

所以基本上，我的问题是，我能用keras来累加多维度量吗？

好吧，据我所知，这是不可能的，因为在返回张量值之前，应用了K.mean。我在keras github上发布了一篇关于这个的文章。 我提出的最好的设计是为混淆矩阵中的每个单元格设置一个度量，并由问题中提到的线程输入一个回调来收集它们。 可以找到一种有效的解决方案

def pred(y_true, y_pred):
     return y_pred

def true(y_true, y_pred):
    return y_true