在Tensorflow Keras中创建自定义度量类

Question

我希望构建一个指标，用于计算组级别的精确度。

例如，假设LSTM的输出形状为(batch, 10, 1)，我想沿着时间维度（按10个时间戳分组），并计算精确度。

我创建了这个指标，它继承了精确度：

class PrecisionGrouped(tf.keras.metrics.Precision):
  def __init__(self,
               thresholds=None,
               top_k=None,
               class_id=None,
               name=None,
               dtype=None):
    super(PrecisionGrouped, self).__init__(name=name, dtype=dtype)

  def update_state(self, y_true, y_pred, sample_weight=None):
    y_true = tf.math.reduce_max(y_true, axis=1)
    y_pred = tf.math.reduce_max(y_pred, axis=1)
    return super().update_state(y_true, y_pred, sample_weight)

然而，当我运行代码时，它抱怨update_state方法应该返回张量。 但是我只是调用了父类的方法，它也返回了update_op。

TypeError: To be compatible with tf.contrib.eager.defun, Python functions must return zero or more Tensors; in compilation of <function PrecisionGrouped.update_state at 0x1a384b1400>, found return value of type <class 'tensorflow.python.framework.ops.Operation'>, which is not a Tensor.

我所做的就是给输入添加一个简单的预处理步骤。tf.keras.metrics.Precision()按预期工作，但PrecisionGrouped()不行。

- GRS

Answer 1

您可以从update_state()方法中删除换行符。

def update_state(self, y_true, y_pred, sample_weight=None):
    y_true = tf.math.reduce_max(y_true, axis=1)
    y_pred = tf.math.reduce_max(y_pred, axis=1)
    super().update_state(y_true, y_pred, sample_weight)

你可以从自定义指标中删除返回语句和组操作，这不是必需的。由于TPU存在问题，内置指标具有不同的要求。一旦问题得到解决，我们也会从内置指标的update_state中删除返回语句。更多详细信息，请参阅GitHub issue。

- Vivek Mehta

---

谢谢，这很有帮助。我添加的唯一一件事是 sample_weight=1，因为它必须与 y_true 广播。 - GRS