Keras Tensorflow自定义指标以确保准确性

Question

我想创建一个自定义函数，以排除某些标签预测不正确但应排除在准确性值中的特殊情况。

如果预测和true_value属于列表，则不要将其视为错误。在下面的示例中，如果y_true！= y_pred但都属于标签列表，则这不被视为错误。

numpy可以表示为：

def excluding_list( y_true, y_pred):
    labels = [ 1, 5, 9, 11]
    errors = (y_true != y_pred) & ~(np.isin( y_true, labels) & np.isin(y_pred, labels))
    acc = 1- errors.sum()/len(errors)
    return acc

我不知道如何使用Keras后端（tensorflow）管理此操作以能够进行编译：

import keras.backend as K    
model.compile(
    optimizer = ...
    loss= 'sparse_categorical_crossentropy',
    metrics= ['accuracy', excluding_list ]
    )