Tensorflow 自定义keras真正度量是否应始终返回整数？

我正在使用一个非标准数据集，其中我的

y_true

是（批次x5x1），而

y_pred

是（批次x5x1）。如果任何值

y\u true[i]>0，则批次样本
i
为“真”。如果
y\u pred[i]>=b
其中
b
为介于0和1之间的阈值，则预测为“真”

我已经定义了这个自定义keras度量来计算一批中的真正数：

def TP（阈值=0.0）：
def TP_u（Y_真，Y_pred）：
Y_真=tf.其中（Y_真>0.，tf.one（tf.shape（Y_真）），tf.zero（tf.shape（Y_真）））
Y_pred_true=tf.where（Y_pred>=阈值，tf.one（tf.shape（Y_pred）），tf.zero（tf.shape（Y_pred）））
Y_真=K.sum（Y_真，轴=1）
Y_pred_true=K.sum（Y_pred_true，轴=1）
Y_真=tf.其中（Y_真>0.，tf.one（tf.shape（Y_真）），tf.zero（tf.shape（Y_真）））
Y_pred_true=tf.其中（Y_pred_true>0.，tf.one（tf.shape（Y_pred_true）），tf.zero（tf.shape（Y_pred_true）））
Y=tf.math.add（Y_true，Y_pred_true）
tp=tf.where（Y==2，tf.one（tf.shape（Y）），tf.zero（tf.shape（Y）））
tp=K.总和（tp）
返回tp
返回TP_

在训练时，我有时会得到非整数值。这是因为keras对所有批次的值取平均值吗

对于真阴性、假阳性和假阴性，我有类似的自定义指标。在培训期间，这四个值的总和是否应该是一个整数？
由两部分组成的回答：是的，度量值是批次的平均值。您将看到内置度量的相同行为，例如
tensorflow.keras.metrics.TruePositive
，但在每个历元结束时，它将是一个整数

但是，您并没有持久化度量的状态，因此TensorFlow只获取返回度量的平均值。考虑子类<代码> tf.kas。度量。度量< /代码>如下：

class TP(tf.keras.metrics.Metric):
    
    def __init__(self, threshold=0.5, **kwargs):
        super().__init__(**kwargs)

        self.threshold = threshold
        self.true_positives = self.add_weight(name='true_positives', initializer='zeros',
                                              dtype=tf.int32)

    def update_state(self, y_true, y_pred, sample_weight=None):

        y_true = tf.where(y_true > self.threshold,
                          tf.ones(tf.shape(y_true)),
                          tf.zeros(tf.shape(y_true)))
        y_pred_true = tf.where(y_pred >= self.threshold,
                               tf.ones(tf.shape(y_pred)),
                               tf.zeros(tf.shape(y_pred)))

        y_true = K.sum(y_true, axis=1)
        y_pred_true = K.sum(y_pred_true, axis=1)

        y_true = tf.where(y_true > self.threshold, tf.ones(tf.shape(y_true)),
                          tf.zeros(tf.shape(y_true)))
        y_pred_true = tf.where(y_pred_true > self.threshold,
                               tf.ones(tf.shape(y_pred_true)),
                               tf.zeros(tf.shape(y_pred_true)))

        Y = tf.math.add(y_true, y_pred_true)
        tp = tf.where(Y == 2, tf.ones(tf.shape(Y), dtype=tf.int32),
                      tf.zeros(tf.shape(Y), dtype=tf.int32))
        tp = K.sum(tp)
        self.true_positives.assign_add(tp)

    def result(self):
        return self.true_positives

    def get_config(self):
        return {'threshold': self.threshold}

这非常有效，但不幸的是，在保存模型后，我无法重新加载它。我将我的原始度量保存为自定义对象，并尝试在这里执行相同的操作，但tensorflow不喜欢它。可能是因为它是一个类而不是一个函数？“tensorflow不喜欢它”非常模糊，您可能应该提出一个新问题，但我会尝试这样加载模型：
tf.keras.models.load（model_path，custom_objects={TP'：TP）
。我还更新了答案，使用了一个
get\u config
方法，因为我们希望在恢复度量值后使用相同的阈值。这是非常模糊的。我没有足够的时间花在这个问题上。我正在处理许多其他自定义对象，因此我可能可以自己解决这个问题。我只是想确保您能够要使用此度量重新加载模型。您好，我想跟进一下，我能够使用此度量格式并重新加载预测值。我认为是
get\u config
方法造成了差异。谢谢！