需要帮助将公式转换为 Tensorflow 风格的自定义指标

Question

我需要帮助创建自定义指标回调，Keras 可以在训练期间跟踪该回调。 我在跑：

Windows 10
Python 3.6

scikit-learn==0.23.2
pandas==0.25.3
numpy==1.18.5
tensorflow==2.3.0
keras==2.4.3

我要使用的公式如下所示：

step_1 = (True_Positives - False_Positives) / Sum_of_y_true
result = (step_1 -- 1)/(1 -- 1) # For scaling range of (-1, 1) to (0, 1)

我知道 Keras 提供了TruePositives()和FalsePositives()类，所以我想在一个可以用作回调的自定义函数中利用它，我想象的伪代码看起来像：

def custom_metric():
    Get True_Positives 
    Get False_Positives
    Get Sum_of_y_true

    Perform the above formula

    Return that result into a "tensor" friendly form that can be used for callback

或者这可能是单线回报，我不知道。 我不清楚如何使自定义指标“对 Keras 友好”，因为它似乎不喜欢 numpy 数组或只是普通的浮点数？

谢谢！

更新

到目前为止我尝试过的看起来像这样。 不确定它是否正确，但想知道我是否在正确的轨道上：

def custom_metric(y_true, y_pred):

    TP = np.logical_and(backend.eval(y_true) == 1, backend.eval(y_pred) == 1)
    FP = np.logical_and(backend.eval(y_true) == 0, backend.eval(y_pred) == 1)

    TP = backend.sum(backend.variable(TP))
    FP = backend.sum(backend.variable(FP))
    SUM_TRUES = backend.sum(backend.eval(y_true) == 1)

    # Need help with this part?
    result = (TP-FP)/SUM_TRUES
    result = (result -- 1)/(1--1)

    return result

Answer 1

弄清楚了！

def custom_m(y_true, y_pred):

    true_positives = backend.sum(backend.round(backend.clip(y_true * y_pred, 0, 1)))
    predicted_positives = backend.sum(backend.round(backend.clip(y_pred, 0, 1)))
    false_positives = predicted_positives - true_positives
    possible_positives = backend.sum(backend.round(backend.clip(y_true, 0, 1)))

    step_1 = (true_positives - false_positives) / possible_positives
    result = (step_1 -- 1)/(1 -- 1)
    
    return result