用于行准确性的自定义 keras 指标答案

【问题标题】：custom keras metric for row accuracy用于行准确性的自定义 keras 指标
【发布时间】：2020-05-27 19:07:55
【问题描述】：

我有一个多标签分类问题：以下是 y 的一些示例：

[0,0,0]
[0,0,1]
[1,0,1]
[1,1,0]
[1,0,0]

等等。我想创建一个函数，告诉我预测中的行百分比，基于 0.5 阈值，等于 y 中的真实向量。所以如果 y 是：

[[0,0,1]
[1,0,0]
[1,0,1]]

和预测是：

[[0.2,0.4,0.9]
[0.6,0.3,0.4]
[0.3,0.3,0.4]]

准确率是 2/3，因为两行预测相同的标签，而 1 则不是。

这是我现在拥有的：

def accuracy(y_true, y_pred):

    acc = K.all(K.equal(y_true, y_pred), axis=1)
    acc= K.cast(acc, 'float32')
    acc = K.sum(acc)
    acc = acc/K.cast(K.shape(y_true)[0], 'float32')
    return acc

但它在训练期间向我显示了消息并显示准确度为 0：

Allocation of 223027200 exceeds 10% of system memory.

y_train 和 y_test 的形状是： (1285, 3) (551, 3)

X_train 的形状： (1285, 70, 70, 1)

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

为有需要的人提供解决方案：

 def accuracy(y_true, y_pred):

        y_pred = K.round(y_pred)
        acc = K.all(K.equal(y_true, y_pred), axis=1)
        acc= K.cast(acc, 'float32')
        acc = K.sum(acc)
        acc = acc/K.cast(K.shape(y_true)[0], 'float32')
        return acc

【讨论】：