自定义 Keras 指标返回“轴越界”错误

Question

我已经使用 Keras 构建了一个多类、多标签的图像分类网络。总共有 25 个类，每个图像至少有一个类。我想实现一个自定义精度指标，它告诉我图像中最高概率类别的频率（常规精度意义不大，因为真阳性被真阴性淹没了）。

我构建了一个简单的函数，当我手动输入 y_true 和 y_pred 时，它会生成所需的准确度指标。但是，当我尝试将此函数插入​​模型训练过程时，它会产生错误。

def customAcc(y_true, y_pred):
    classPreds = np.array([np.eye(numClasses)[x] for x in  np.argmax(y_pred, axis=1)])
    correctPreds = y_true * classPreds
    return np.mean(np.sum(correctPreds, axis=1))

model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.0001), 
loss='binary_crossentropy', metrics=['accuracy', customAcc])

AxisError: 轴 1 超出维度 1 数组的范围

Answer 1

TL;DR

y_pred 是一维的，它只有一个可能的轴。从您的 np.argmax 呼叫中删除 axis=1。

---

演练

在这种特殊情况下的问题是这一行：

classPreds = np.array([np.eye(numClasses)[x] for x in  np.argmax(y_pred, axis=1)])

具体来说：np.argmax(y_pred, axis=1)。 你的y_pred 是一个一维数组——比如[0.1, 0.2]——你告诉np.argmax 在axis=1 中寻找值，除非你传递二维或更多维度的数组——比如[[0.1, 0.2], [0.3, 0.4]].

一个可行的例子：

>>> import numpy as np
>>> num_classes = 25
>>> np.argmax([0.1, 0.5, 0.9]) # max value's index on 1D array
2
>>> np.argmax([0.1, 0.5, 0.9], axis=1) # max value's index on axis 1 of 1D array
AxisError: axis 1 is out of bounds for array of dimension 1

如果y_pred 是一个二维数组，则不会发生轴错误 - 但np.argmax 然后会返回索引列表而不是标量，如下所示：

>>> np.argmax([
...     [0.1, 0.5, 0.9],
...     [0.9, 0.5, 0.1]
... ], axis=1)
array([2, 0], dtype=int64) # first array's max at index 2, second array's max at index 0

通过从argmax 中删除axis=1，您将获得y_pred 中最大值的正确标量索引。