如何在Keras中创建一个返回多维值的指标？

Question

我正在使用keras来解决多类问题。 我的数据非常不平衡，所以我试图创建类似于混淆矩阵的东西。 我的数据集非常大，并保存为HDF5，因此我使用HDF5Matrix来获取X和Y，使scikit-learn混淆矩阵无关紧要（据我所知）。 我已经看到可以保存预测和真实标签 ，或输出每个标签的错误 ，但更优雅的解决方案是创建一个累积（预测的，真实的）标签对的多维度量（有点像混乱矩阵）。 我使用了以下回调来试图查看每批/历元发生的事情：

from keras.callbacks import LambdaCallback
batch_print_callback = LambdaCallback(on_batch_end=lambda batch, logs: 
print(logs),on_epoch_end=lambda epoch, logs: print(logs))

但它只累积一个值（通常是排序的平均值）。

我还试着看看是否有可能返回y_pred / y_true如下（试着看看我是否可以在日志中打印多维值）：

def pred(y_true, y_pred):
     return y_pred

def true(y_true, y_pred):
    return y_true

但是，它没有像我预期的那样返回多维值所以基本上，我的问题是，我可以使用keras来累积多维度量吗？

Answer 1

嗯，据我所知，这是不可能的，因为在返回张量值之前，应用了K.mean。 我在keras github上发布了一个关于此的问题 。 我想出的最好的设计是混淆矩阵中每个单元格的度量标准，以及收集它们的回调，由问题中提到的线程提供。 可以在这里找到一种工作解决方案