[英]How do I append values of a custom metric from a custom Callback to “logs” which I need to use in tensorboard?
我需要实现一个自定义回调来计算每个时期后的 AUC,我需要将其用作基于 LSTM 的神经网络中的指标。 这是自定义回调:
from tensorflow.keras.callbacks import Callback
class RocCallback(Callback):
def __init__(self,training_data,validation_data):
self.x = training_data[0]
self.y = training_data[1]
self.x_val = validation_data[0]
self.y_val = validation_data[1]
def on_train_begin(self, logs={}):
self.roc_train_list = []
self.roc_val_list = []
self.roc_train=0
self.roc_val=0
logs["roc_train"] = []
logs["roc_val"] = []
return
def on_epoch_end(self, epoch, logs):
y_pred_train = self.model.predict(self.x)
roc_train = roc_auc_score(self.y, y_pred_train)
y_pred_val = self.model.predict(self.x_val)
roc_val = roc_auc_score(self.y_val, y_pred_val)
#print('\rroc-auc_train: %s - roc-auc_val: %s' % (str(round(roc_train,4)),str(round(roc_val,4))),end=100*' '+'\n')
# self.history['roc_auc_train'].append(round(roc_train,4))
# self.history['roc_auc_val'].append(round(roc_val,4))
self.roc_train = round(roc_train,4)
self.roc_val = round(roc_val,4)
self.roc_train_list.append(self.roc_train)
self.roc_val_list.append(self.roc_val)
print("\rroc_train: %f — roc_val: %f" %(self.roc_train, self.roc_val))
logs["roc_train"]= self.roc_train
logs["roc_val"] = self.roc_val
return logs
有两件事不能正常工作:
print("\\rroc_train: %f — roc_val: %f" %(self.roc_train, self.roc_val))
在纪元进度条之前打印,但需要在之后打印,例如:Epoch 2/20
roc_train: 0.550000 — roc_val: 0.547800
2561/2561 [==============================] - 89s 35ms/step - loss: 0.5326 - val_loss: 0.4513
Epoch 3/20
roc_train: 0.559800 — roc_val: 0.558000
2561/2561 [==============================] - 88s 34ms/step - loss: 0.5049 - val_loss: 0.4406
logs["roc_train"].append(self.roc_train)
logs["roc_val"].append(self.roc_val)
但它引发了一个关键错误。
作为一种快速的替代方法,您是否尝试过使用内置的https://www.tensorflow.org/api_docs/python/tf/keras/metrics/AUC
、metric、
tf.keras.metrics.AUC(
num_thresholds=200, curve='ROC', summation_method='interpolation', name=None,
dtype=None, thresholds=None, multi_label=False, label_weights=None
)
它可以暂时解决您的问题。
你的代码确实没有错; 在model.fit()的回调列表中,能否请您将回调放在列表的第一个位置; 就我而言,碰巧我想一次保存到 .csv 并且 CustomMetric() 回调是最后一次,因此 .csv 只保存了 loss 和 val_loss 而不是我的自定义指标。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.