如何摆脱_N代表Keras指标名称？

Question

我正在使用“ tensorflow” keras。即。我做到了：

from tensorflow import keras
from tensorflow.keras import layers

不确定与TF作为后端的Keras是否不同。我使用的是TF 1.14.0，并在Google colab上运行。

问题在于，每次我重新创建模型（或重新编译）时，_N都会附加到指标上。您可以在培训期间在打印输出中看到此内容，也可以将其作为history.history的键。

Epoch 1/100
32206/32206 [==============================] - 4s 138us/sample - loss: 0.8918 - precision_4: 0.6396 - recall_4: 0.4613 - val_loss: 5.5533 - val_precision_4: 0.0323 - val_recall_4: 0.0492
Epoch 2/100

我不确定这对于Keras正常工作是否重要，但是当我尝试访问历史记录时，这些名称带来了不便。我可以编写更多代码来解析它们，但我想知道我是否只能首先执行名称。通常，当我重新实例化模型（或从功能性API重新创建）时，我不打算保留旧版本（我只是将其覆盖为“模型”）。因此，我只是不确定那些“ _N”东西是否比名称更重要。 Keras会以某种方式在内部使用它们吗？这样一来，我可以更好地使用这些名称，并在以后需要访问它们时正确解析它们。

Answer 1

使用：

keras.metrics.Precision(name='precision')
keras.metrics.Recall(name='recall')

在指定指标时，它会沿用您提供的名称，在打印输出中以及在history.history中

到目前为止，我还没有发现任何麻烦。因此，这是目前为止的解决方案，除非另行证明。

Answer 2

我还发现了另一个：

tf.keras.backend.clear_session()

我注意到默认的图层名称是从干净的石板开始的。我怀疑这也应该发生在那些_N度量标准的东西上，尽管自从我找到解决方案以来就没有尝试过（使用显式命名）。