时间戳

首页 > 解决方案 > 了解 Keras 中的指标计算

keras - 了解 Keras 中的指标计算

问题描述

我试图在 Keras 中实现一个真正的积极指标：

def TP(y_true, y_pred):
    estimated = K.argmax(y_pred, axis=1)
    truth = K.argmax(y_true, axis=1)
    TP = K.sum(truth * estimated)
    return TP

基于我的最后一层输出形状：(batch, 2)。该函数已使用 numpy argmax 等效项进行了测试，并且运行良好。

我使用 cross_entropy 损失函数，每个时期它都会给我度量值。但是这个值怎么可能是十进制数呢？ 我究竟做错了什么 ？谢谢 ！

编辑：这是 Keras 模型的示例代码：

def TP(y_true, y_pred):
    estimated = K.argmax(y_pred, axis=1)
    truth = K.argmax(y_true, axis=1)
    TP = K.sum(truth * estimated)
    return TP

epochs = 10
batch_size = 2

model = Sequential([
        Dense(32, input_shape=(4,)),
        Activation('relu'),
        Dense(2),
        Activation('softmax'),
])
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy', TP])

model.summary()

train = np.array([[17,0,1,0],[17,0,1,0],[17,0,1,0],[17,0,1,0],[17,0,1,0], [2,1,0,1],[0,1,0,1],[0,1,0,1],[0,1,0,1],[0,1,0,1]])
labels = np.array([ [1,0],[1,0],[1,0],[1,0],[1,0], [0,1],[0,1],[0,1],[0,1],[0,1] ])

model.fit(train, labels, epochs=epochs, batch_size=batch_size, verbose=2)

这里显示TP功能的测试似乎有效

def npTP(y_true, y_pred):
    estimated = np.argmax(y_pred, axis=1)
    truth = np.argmax(y_true, axis=1)
    TP = np.sum(truth * estimated)
    return TP

y_true = np.array([ [1,0],[1,0],[1,0],[1,0],[1,0], [0,1],[0,1],[0,1],[0,1],[0,1] ])
y_pred = np.array([ [0,1],[0,1],[0,1],[0,1],[0,1], [0,1],[0,1],[0,1],[0,1],[0,1]])
print("np check : ")
print(npTP(y_true, y_pred))

运行此代码会给出以下输出：

Using TensorFlow backend.

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 32)                160       
_________________________________________________________________
activation_1 (Activation)    (None, 32)                0         
_________________________________________________________________
dense_2 (Dense)              (None, 2)                 66        
_________________________________________________________________
activation_2 (Activation)    (None, 2)                 0         
=================================================================
Total params: 226
Trainable params: 226
Non-trainable params: 0
_________________________________________________________________
Epoch 1/10
 - 0s - loss: 0.3934 - acc: 0.6000 - TP: 0.2000
Epoch 2/10                           ^^^^^^^^^^ here are the decimal values
 - 0s - loss: 0.3736 - acc: 0.6000 - TP: 0.2000
Epoch 3/10                           ^^^^^^^^^^
 - 0s - loss: 0.3562 - acc: 0.6000 - TP: 0.2000
Epoch 4/10                           ^^^^^^^^^^
 - 0s - loss: 0.3416 - acc: 0.7000 - TP: 0.4000
Epoch 5/10                           ^^^^^^^^^^
 - 0s - loss: 0.3240 - acc: 1.0000 - TP: 1.0000
Epoch 6/10
 - 0s - loss: 0.3118 - acc: 1.0000 - TP: 1.0000
Epoch 7/10
 - 0s - loss: 0.2960 - acc: 1.0000 - TP: 1.0000
Epoch 8/10
 - 0s - loss: 0.2806 - acc: 1.0000 - TP: 1.0000
Epoch 9/10
 - 0s - loss: 0.2656 - acc: 1.0000 - TP: 1.0000
Epoch 10/10
 - 0s - loss: 0.2535 - acc: 1.0000 - TP: 1.0000

np check : 
5

谢谢 ！

标签： keras

解决方案

正如desertnaut 指出的那样，答案在此线程中进行了解释。

Keras在批次和时期之间进行运行平均。

这里有batch_size=210 个样本，每个 epoch 运行 5 次训练 ( 10/2=5)。

要了解 epoch 1 的输出指标，5 次训练后的总数TP必须为 1，因此指标给出1/5 = 0.2. Epoch 4 在 5 次训练中给出了 2 个 TP 2/5 = 0.4。

推荐阅读