如何在 Keras 中为张量创建布尔掩码？

Question

我正在构建一个自定义指标来衡量训练期间我的多类数据集中一个类的准确性。我在选择课程时遇到问题。

目标是一个热点（例如：类0 标签是[1 0 0 0 0]）：

from keras import backend as K

def single_class_accuracy(y_true, y_pred):
    idx = bool(y_true[:, 0])              # boolean mask for class 0 
    class_preds = y_pred[idx]
    class_true = y_true[idx]
    class_acc = K.mean(K.equal(K.argmax(class_true, axis=-1), K.argmax(class_preds, axis=-1)))  # multi-class accuracy  
    return class_acc

问题是，我们必须使用 Keras 函数来索引张量。如何为张量创建布尔掩码？

Answer 1

请注意，当谈到一类的准确度时，可能指的是以下（不等价的）两个量中的任何一个：

• recall，对于 C 类，它是标记为 C 类的示例预测为具有类 的比率>C.
• precision，对于 C 类，是预测为 C 类的示例与实际上标记为类C。

您可以只依靠掩码来进行计算，而不是进行复杂的索引。假设我们在这里讨论的是精度（更改为召回将是微不足道的）。

from keras import backend as K

INTERESTING_CLASS_ID = 0  # Choose the class of interest

def single_class_accuracy(y_true, y_pred):
    class_id_true = K.argmax(y_true, axis=-1)
    class_id_preds = K.argmax(y_pred, axis=-1)
    # Replace class_id_preds with class_id_true for recall here
    accuracy_mask = K.cast(K.equal(class_id_preds, INTERESTING_CLASS_ID), 'int32')
    class_acc_tensor = K.cast(K.equal(class_id_true, class_id_preds), 'int32') * accuracy_mask
    class_acc = K.sum(class_acc_tensor) / K.maximum(K.sum(accuracy_mask), 1)
    return class_acc

如果您想更加灵活，还可以对感兴趣的类进行参数化：

from keras import backend as K

def single_class_accuracy(interesting_class_id):
    def fn(y_true, y_pred):
        class_id_true = K.argmax(y_true, axis=-1)
        class_id_preds = K.argmax(y_pred, axis=-1)
        # Replace class_id_preds with class_id_true for recall here
        accuracy_mask = K.cast(K.equal(class_id_preds, interesting_class_id), 'int32')
        class_acc_tensor = K.cast(K.equal(class_id_true, class_id_preds), 'int32') * accuracy_mask
        class_acc = K.sum(class_acc_tensor) / K.maximum(K.sum(accuracy_mask), 1)
        return class_acc
    return fn

并将其用作：

model.compile(..., metrics=[single_class_accuracy(INTERESTING_CLASS_ID)])