Tensorflow 如何定义Keras中的自定义精度以忽略带有特定金标签的样品？

我想在Keras中编写一个自定义度量（我使用的是tensorflow后端），相当于

分类精度

，但必须忽略带有特定金标签的样本的输出（在我的示例中为0，来自y_true）。例如，如果我的输出为：

Pred 1-黄金0

Pred 1-黄金1

精度为1，因为必须忽略带有金标签0的样本。也就是说，我编写的函数（没有给出预期的结果）是：

---

感谢您的帮助，谢谢

您可以尝试以下方法：

def ignore_accuracy_of_class(class_to_ignore=0):
    def ignore_acc(y_true, y_pred):
        y_true_class = K.argmax(y_true, axis=-1)
        y_pred_class = K.argmax(y_pred, axis=-1)

        ignore_mask = K.cast(K.not_equal(y_pred_class, class_to_ignore), 'int32')
        matches = K.cast(K.equal(y_true_class, y_pred_class), 'int32') * ignore_mask
        accuracy = K.sum(matches) / K.maximum(K.sum(ignore_mask), 1)
        return accuracy

    return ignore_acc

---

根据@RKO的响应，这里是TensorFlow 2.0版本

将tensorflow.keras导入为K
def ignore_acc（y_true_类、y_pred_类、class_to_ignore=0）：
ignore_mask=K.backend.cast（K.backend.not_equal（y_pred_类，class_to_ignore），'int32'）
matches=K.backend.cast（K.backend.equal（y_true_类，y_pred_类），'int32'）*忽略掩码
精度=K.backend.sum（匹配项）/K.backend.max（K.backend.sum（忽略掩码），1）
返回精度。numpy（）

def ignore_accuracy_of_class(class_to_ignore=0):
    def ignore_acc(y_true, y_pred):
        y_true_class = K.argmax(y_true, axis=-1)
        y_pred_class = K.argmax(y_pred, axis=-1)

        ignore_mask = K.cast(K.not_equal(y_pred_class, class_to_ignore), 'int32')
        matches = K.cast(K.equal(y_true_class, y_pred_class), 'int32') * ignore_mask
        accuracy = K.sum(matches) / K.maximum(K.sum(ignore_mask), 1)
        return accuracy

    return ignore_acc