Keras 仅对大多数特定预测的准确性答案

【问题标题】：Keras accuracy of only most certain predictionsKeras 仅对大多数特定预测的准确性
【发布时间】：2021-02-08 17:41:47
【问题描述】：

我正在使用 keras 执行二进制分类（单标签，一或零）。

我想创建一个自定义指标，从预测中提取最高 10% 并计算其准确性。

例如使用标签 [1, 0, 1, 1, 0, 1, 0, 1, 0, 1]

和预测 [0.5, 0.7, 0.98, 0.1, 0.2, 0.5, 0.2, 0.1, 0.9, 0.8]

它只计算 0.98 预测的准确度。

【问题讨论】：

标签： python-3.x tensorflow machine-learning keras artificial-intelligence

【解决方案1】：

试试这个代码：

import tensorflow as tf

def accuracy_metric_fn(y_true, y_pred):
  l = len(y_pred) // 10
  top = tf.math.top_k(y_pred, l)
  y_pred = top.values
  y_true = tf.gather(y_true, top.indices)
  y_true = tf.cast(y_true, tf.float32)
  loss = tf.keras.metrics.binary_accuracy(
      y_true, y_pred)
  return loss

y_true = [1, 0, 1, 1, 0, 1, 0, 1, 0, 1]
y_pred = [0.5, 0.7, 0.98, 0.1, 0.2, 0.5, 0.2, 0.1, 0.9, 0.8]
print(accuracy_metric_fn(y_true, y_pred).numpy())

【讨论】：

使用该指标进行训练时仍然出现错误：
InvalidArgumentError: 输入必须至少有 k 列。有 1 个，需要 4 个 [[node TopKV2 (defined at :7) ]] [Op:__inference_train_function_33430] 错误可能源于输入操作。连接到节点 TopKV2 的输入源操作：functional_5/dense_5/Sigmoid（定义在 :2） floordiv（定义在 :6）函数调用堆栈：train_function

【解决方案2】：

我设法使用此代码解决了我的问题：

import tensorflow as tf

def topacc(y_true, y_pred):
  k = tf.cast(len(y_true) // 10, 'int64')
  y_true, y_pred = tf.transpose(y_true), tf.transpose(y_pred)
  return tf.keras.metrics.top_k_categorical_accuracy(y_true, y_pred, k=k)

这是一个完整的 keras 指标

【讨论】：