从 Keras Lstm 模型中获取 n 个高概率输出的精度答案

【问题标题】：Take accuracy of n high probability output from Keras Lstm model从 Keras Lstm 模型中获取 n 个高概率输出的精度
【发布时间】：2019-04-22 13:26:19
【问题描述】：

我有一个用于序列预测的 Lstm 模型，如下所示：

def create_model(max_sequence_len, total_words):
    input_len = max_sequence_len - 1
    model = keras.models.Sequential()
    model.add(layers.Embedding(total_words, 50, input_length=input_len))
    model.add(layers.LSTM(50, input_shape=predictors[:1].shape))
    model.add(layers.Dropout(0.2))
    model.add(layers.Dense(activation='softmax', units = total_words))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'], lr=0.01)  
    return model

model_sb = create_model(max_sequence_len, total_words)

history = model_sb.fit(X_train, y_train, epochs = 20 , shuffle = True, validation_split=0.3, )

它运行良好，但我想从我的模型中获取 2 个输出，它们是 softmax 密集层中概率最大的输出。为了拿走他们，我可以使用这个代码：

predicted = model_sb.predict(test_sequence, verbose=1)

然后通过这段代码找到前n个高概率输出：

y_sum = predicted.sum(axis=0)
ind = np.argpartition(y_sum, -n)[-n:]
ind[np.argsort(y_sum[ind])]

但是如果输出是这 n 个输出之一（带有“或”条件），我需要知道我的模型的准确性有什么包可以帮助我吗？我的意思是我不想只用一个最大概率的输出来评估我的模型，我想通过 2 个高概率结果来评估准确性和损失。

【问题讨论】：

标签： python tensorflow keras lstm softmax

【解决方案1】：

这称为 top-k 准确度，在您的情况下为 k = 2。 Keras 已经实现了这种准确性：

from keras.metrics import top_k_categorical_accuracy

def my_acc(y_true, y_pred):
    return top_k_categorical_accuracy(y_true, y_pred, k=2)

然后你将这个自定义指标传递给你的模型：

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=[my_acc])

【讨论】：