如何在KERA中创建和使用加权指标？

Question

我想制作一个加权指标，并在Keras训练数据时打印出来。然而，我找不到任何有效的例子来说明如何做到这一点

运行时：

metrics = [MyClass.MyWeightedMetric]
model.compile(optimizer=RMSprop,loss="mean_squared_error",metrics=metrics)

在哪里

class MyClass: 
    @staticmethod
    def MyWeightedMetric(y_true,y_pred,sample_weight=None):
        print(sample_weight)
        #do stuff that doesn't even use sample_weight for now

然后它一直都不打印。如果我将编译行更改为

model.compile(optimizer=RMSprop,loss="mean_squared_error",weighted_metrics=metrics)

然后我得到了错误：

(0) Invalid argument: Can not squeeze dim[0], expected a dimension of 1, got 16384

调用model.fit（）时。我不清楚我做错了什么或者应该做什么。我尝试创建一个子类，如本例中的https://www.tensorflow.org/api_docs/python/tf/keras/metrics/Metric，但它带来了我无法解决的一组错误

在keras中是否有一个加权度量的工作示例，我可以在模型编译阶段提供？我发现了许多未加权用法的例子，但目前似乎不可能找到工作加权度量的例子。无论如何，我使用的是Tensorflow 2.0

Answer 1

当您在训练期间将weighted_metrics传递给model.compile时，模型需要一个样本权重列向量来计算加权度量。在你的例子中，看起来你通过了展平张量。形状应为（16384，1）而不是（16384）。进一步资料 https://www.tensorflow.org/guide/keras/train_and_evaluate#using_a_validation_dataset