Tensorflow 在Keras中创建自定义度量时，y_true和y_pred是什么？

我想用Keras实现我的自定义度量。根据文档，我的自定义度量应该定义为一个函数，它以两个张量作为输入，

y_pred

和

y_true

，并返回一个张量值

然而，当优化运行时，我对这些张量

y_pred

和

y_true

中到底包含什么感到困惑。它只是一个数据点吗？是整批的吗？整个时代（可能不是）？有没有办法得到这些张量的形状

有人能指出一个值得信赖的地方让我得到这些信息吗？任何帮助都将不胜感激。不确定是否相关，但我使用的是TensorFlow后端

---

到目前为止，为了回答这个问题，我做了很多尝试：

• 检查（没有关于这些张量是什么的解释）
• 通过查看Keras实现中的其他指标来检查并试图理解这些张量（这似乎表明

  y_true

  和

  y_pred

  具有整个批次的标签，但我不确定）
• 阅读这些stackoverflow问题：、和其他（没有人回答我的问题，大多数集中在OP上，没有清楚地理解张量和在会话期间使用该张量计算的值之间的差异）
• 通过定义如下度量，在优化过程中打印

  y\u true

  和

  y\u pred

  的值：

def测试度量（y_真，y_pred）：
y_真=K.print_张量（y_真）
y_pred=K.print_张量（y_pred）
返回y_true-y_pred

---

（不幸的是，在优化过程中这些不会打印任何内容）。

y\u true

是真实值（标签）。而

y_pred

是您的神经网络模型预测的值

张量的大小（形状）取决于批次（nb_批次）的大小

是真是假 张量

y_true

是传递给拟合方法的真实数据（或目标、基本事实）。
它是numpy数组

y列

到张量的转换

张量

y_pred

是模型预测（计算、输出）的数据

通常，

y\u true

和

y\u pred

的形状完全相同。一些损失，例如稀疏的损失，可以接受不同形状的损失

---

y\u true的形状

它包含一整批。它的第一个维度始终是批大小，并且它必须存在，即使批只有一个元素

找到

y\u true

形状的两种非常简单的方法是：

• 检查真实/目标数据：

  打印（Y\u train.shape）

• 检查您的

  model.summary（）

  并查看最后的输出

但它的第一个维度是批量大小

因此，如果最后一层输出

（无，1）

，则

y\u true

的形状为

（批次，1）

。如果最后一层输出

（无，200200,3）

，则

y\u true

将是

（批次，200200,3）

---

自定义度量和损失函数 不幸的是，打印自定义度量将不会显示其内容（除非您在上使用“渴望模式”，并且您已使用数据计算了模型的每个步骤）。
例如，您可以通过

打印（K.int\u shape（y\u pred））

查看它们的形状

请记住，这些库首先“编译一个图形”，然后“使用数据运行它”。定义损失时，您正处于编译阶段，请求数据需要运行模型

但是，即使度量的结果是多维的，keras也会自动找到方法为该度量输出单个标量。（不确定操作是什么，但很可能是表下隐藏的

K.mean（）

——返回整个批次很有趣，因此Keras应用了其他操作，例如样本权重）

来源。在你习惯了keras之后，通过简单地阅读这一部分，这种理解变得自然：

y\u true:true标签。无张量/张量流张量。
y\u pred:预测。与y_形状相同的no/TensorFlow张量为真

真标签表示真/目标数据。标签在这里是一个选择不当的词，它只是分类模型中真正的“标签”。

---

预测是指模型的结果。

y\u true是目标值，y\u pred是模型的预测值。 函数中的参数位置也很重要。您可以通过只实现一个示例进行检查，并且可以使用函数作为度量来观察。

---

注意：-在检查此属性时，避免使用验证拆分，因为没有足够的示例进行拆分，也避免缩放示例以获得更好的可视化效果

此选项可能有助于@AlexOzerov:谢谢。我读过，但我不清楚这有什么帮助，你能详细解释一下吗？谢谢！我有一个问题！你能再详细解释一下你的答案吗？假设我的分类器网络的输出是N维的（即N类的pmf），我的批量大小是B。那么，例如，

y_true

，其形状将是（N，B）或（B，N）？或者别的什么？还有，你能指出任何支持你陈述的参考资料吗？我有一个关于你的问题。我的训练数据（numpy数组）具有形状（100，）。但是，在度量内部，例如精度，它具有形状（张量形状（[维度（无），维度（无）]）。然后，在keras精度度量中，他们计算K.max（y_真，轴=-1）。第二个维度是什么？为什么他们将argmax取到此维度而不是第一个维度？如果“yTrain.”是（100，），则可能将其更改为（100,1）。此精度指标假设您使用的是一个热类。好的。因此，当不使用一个热类时，我必须将精度计算更改为

K.max（y_true，a