有没有办法在 keras 中输出具有多个值的指标？答案

【问题标题】：Is there a way to output a metric with several values in keras?有没有办法在 keras 中输出具有多个值的指标？
【发布时间】：2018-12-25 23:07:37
【问题描述】：

我正在开发一个 U-net 架构，以在 10 个类中执行分段。我想在每个时代之后计算每个班级的骰子系数。

我的网络的输出是每个类别的分割掩码堆栈，形状为(b_size, rows, cols, num_classes)。在这个输出上，我通过以下方式计算每个类的骰子系数：

def dice_metric(ground_truth, prediction):
    # initialize list with dice scores for each category
    dice_score_list = list()
    # get list of tensors with shape (rows, cols)
    ground_truth_unstacked = reshape_ground_truth(ground_truth)
    prediction_unstacked = tf.unstack(prediction, axis=-1)
    for (ground_truth_map, prediction_map) in zip(ground_truth_unstacked, prediction_unstacked):
        # calculate dice score for every class
        dice_i = dice_score(ground_truth_map, prediction_map)
        dice_score_list.append(dice_i)
    return tf.reduce_mean(dice_score_list, axis=[0])

有什么方法可以打印骰子分数列表而不是平均值。所以在每个时期的输出是：

Epoch 107/200
- 13s - loss: 0.8896 - dice_metric: [dice_class_1, ... dice_class_10] - val_loss: 3.3417 - val_dice_metric: [val_dice_class_1, ... val_dice_class_10]

Custom Metrics 上的 Keras 文档仅考虑单个张量值（即，“自定义指标可以在编译步骤中传递。该函数需要采用 (y_true, y_pred) 作为参数并返回一个单个张量值。"

是否有任何方法/解决方法可以输出具有多个值的指标？

【问题讨论】：

您似乎在问 2 个问题 - 第一个是关于对 Dice 分数列表进行评估，第二个是关于 tf.Print 在 Jupyter 中不起作用。有a bug 不会打印到jupyter notebook
不，我的问题是如何在屏幕上打印非单值张量。
How to print the value of a Tensor object in TensorFlow?的可能重复
我认为不可能重复该问题。我在问如何为每个时代打印一个具有多个值的指标（在这种情况下每个类一个）

标签： tensorflow keras tensor

【解决方案1】：

要让 keras 输出所有通道，每个通道需要一个指标。您可以创建一个包装器来获取索引并仅返回所需的类：

#calculates dice considering an input with a single class
def dice_single(true,pred):
    true = K.batch_flatten(true)
    pred = K.batch_flatten(pred)
    pred = K.round(pred)

    intersection = K.sum(true * pred, axis=-1)
    true = K.sum(true, axis=-1)
    pred = K.sum(pred, axis=-1)

    return ((2*intersection) + K.epsilon()) / (true + pred + K.epsilon())

def dice_for_class(index):
    def dice_inner(true,pred):

        #get only the desired class
        true = true[:,:,:,index]
        pred = pred[:,:,:,index]

        #return dice per class
        return dice_single(true,pred)
    return dice_inner

那么模型中的指标将是 `metrics = [dice_for_class(i) for i in range(10)]

提示：除非绝对必要，否则不要迭代。

十类没有迭代的骰子示例

def dice_metric(ground_truth, prediction):

    #for metrics, it's good to round predictions:
    prediction = K.round(prediction)

    #intersection and totals per class per batch (considers channels last)
    intersection = ground_truth * prediction
    intersection = K.sum(intersection, axis=[1,2])
    ground_truth = K.sum(ground_truth, axis=[1,2])
    prediction = K.sum(prediciton, axis=[1,2])

    dice = ((2 * intersection) + K.epsilon()) / (ground_truth + prediction + K.epsilon())

【讨论】：