Question

出于某种原因，我在尝试使用Keras模型指定f1分数时收到错误消息：

model.compile(optimizer='adam', loss='mse', metrics=['accuracy', 'f1_score'])

我收到此错误：

ValueError: Unknown metric function:f1_score

提供＆＃39; f1_score＆＃39;我在同一个文件中使用＆＃39; model.compile＆＃39;像这样：

def f1_score(y_true, y_pred):

    # Count positive samples.
    c1 = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
    c2 = K.sum(K.round(K.clip(y_pred, 0, 1)))
    c3 = K.sum(K.round(K.clip(y_true, 0, 1)))

    # If there are no true samples, fix the F1 score at 0.
    if c3 == 0:
        return 0

    # How many selected items are relevant?
    precision = c1 / c2

    # How many relevant items are selected?
    recall = c1 / c3

    # Calculate f1_score
    f1_score = 2 * (precision * recall) / (precision + recall)
    return f1_score 

model.compile(optimizer='adam', loss='mse', metrics=['accuracy', f1_score])

模型编译好，可以保存到文件中：

model.save(model_path) # works ok

然后将其加载到另一个程序中：

from keras import models 
model = models.load_model(model_path)

失败并显示错误：

ValueError: Unknown metric function:f1_score

指定＆＃39; f1_score＆＃39;这次在同一档案中没有帮助，Keras没有看到它。怎么了？如何使用Keras模型的F1得分？

Answer 1

加载模型时，您必须将该指标作为custom_objects包的一部分提供。

试试这样：

from keras import models 
model = models.load_model(model_path, custom_objects= {'f1_score': f1_score})

f1_score是您通过compile传递的函数。

Answer 2

为了实现f1_score工作，我必须在函数声明中切换y_true和y_pred。 P.S。：那些问过：K = keras.backend

的人

Answer 3

更改：

metrics=['accuracy', f1_score]

收件人：

metrics=[f1_score]

如何使用Keras模型的F1分数？

3 个答案: