如何将自定义指标的值从自定义回调附加到我需要在张量板中使用的“日志”？

Question

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：

1. 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

2. tensorboard 中的日志只有 epoch_loss 作为度量，但没有“roc_train”或“roc_val”值。 我试过了

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。

Answer 1

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。