Question

在尝试使用自定义函数在Keras中编译lstm模型时遇到问题。

我已经定义了一个名为mean_p_e的自定义指标函数，并且想在Keras内置的模型中使用它。

我的代码是：

import keras.backend as K
def mean_p_e(y_true, y_pred):
    return K.mean((y_true - y_pred)**2/y_true)

然后我建立模型，并将其存储在json文件中：

"model": {
    "loss": "mse",
    "optimizer": "adam",
    "save_dir": "saved_models",
    "metric":"mean_p_e",

然后我编译：

model.compile(loss=configs['model']['loss'], optimizer=configs['model']['optimizer'], metrics=['accuracy', configs['model']['metric']])

然后出现以下错误：

ValueError：未知度量标准函数：mean_p_e

要使其生效，我需要更改什么？

Answer 1

如果您在同一脚本中定义configs，只需将"metric":"mean_p_e"中的"metric":mean_p_e替换为configs，一切正常。

但是似乎configs是您从json文件中读取的，在这种情况下，您可以尝试：

model.compile(loss=configs['model']['loss'], 
              optimizer=configs['model']['optimizer'], 
              metrics=['accuracy', locals()[configs['model']['metric']]])

或：

model.compile(loss=configs['model']['loss'], 
              optimizer=configs['model']['optimizer'], 
              metrics=['accuracy', eval(configs['model']['metric'])])

以其名称调用函数。

参考：Calling a function of a module by using its name (a string)。

在Keras中使用自定义指标功能时出错

1 个答案: