Question

我想在Keras中写一个等效于categorical_accuracy的自定义指标（我使用张量流后端），但是具有特定黄金标签的样本（在我的情况下为0，来自y_true）的输出必须被忽略了。例如，如果我的输出是：

Pred 1 - Gold 0

Pred 1 - Gold 1

精度为1，因为必须忽略带有金标号0的样品。也就是说，我写的功能（并没有给出预期的结果）是：

def my_accuracy(y_true, y_pred):

    mask = K.any(K.not_equal(K.argmax(y_true, axis=-1), 0), axis=-1, keepdims=True)

    masked_y_true = y_true*K.cast(mask, K.dtype(y_true))
    masked_y_pred = y_pred*K.cast(mask, K.dtype(y_pred))

    return keras.metrics.categorical_accuracy(masked_y_true, masked_y_pred)`

感谢任何帮助，谢谢！

Answer 1

您可以尝试这种方法：

def ignore_accuracy_of_class(class_to_ignore=0):
    def ignore_acc(y_true, y_pred):
        y_true_class = K.argmax(y_true, axis=-1)
        y_pred_class = K.argmax(y_pred, axis=-1)

        ignore_mask = K.cast(K.not_equal(y_pred_class, class_to_ignore), 'int32')
        matches = K.cast(K.equal(y_true_class, y_pred_class), 'int32') * ignore_mask
        accuracy = K.sum(matches) / K.maximum(K.sum(ignore_mask), 1)
        return accuracy

    return ignore_acc

Answer 2

根据@RKO的回复，这是TensorFlow 2.0版本

import tensorflow.keras as K
def ignore_acc(y_true_class, y_pred_class, class_to_ignore=0):
    ignore_mask = K.backend.cast(K.backend.not_equal(y_pred_class, class_to_ignore), 'int32')
    matches = K.backend.cast(K.backend.equal(y_true_class, y_pred_class), 'int32') * ignore_mask
    accuracy = K.backend.sum(matches) / K.backend.maximum(K.backend.sum(ignore_mask), 1)
    return accuracy.numpy()

如何在Keras中定义自定义精度以忽略具有特定金标的样本？

2 个答案: