在部分输出上评估 keras 模型答案

【问题标题】：Evaluate keras model on part of output在部分输出上评估 keras 模型
【发布时间】：2019-12-10 13:35:28
【问题描述】：

我有一个使用 Keras 训练的多输出回归模型。以下是我的网络架构：

model.add(Dense(4048, input_dim=16128,, activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dense(3))

通过调用：

score = model.evaluate(X_test, y_test)

通过与数组大小为 3 的基本事实进行比较，我可以得到我的测试数据和预测值（数组大小为 3）的准确度和平均绝对误差。

我的问题是如何仅根据一个输出值评估测试数据，而忽略其他两个。我想以某种方式评估平均平均误差以及个别绝对误差。

【问题讨论】：

标签： python-3.x tensorflow keras regression

【解决方案1】：

我会推荐以下两个选项之一：

a) 使用Keras functional API 定义两个不同的模型model1 和model2，分别用于评估和训练网络：

from keras.layers import Input, Dense, Concatenate
from keras.models import Model

a = Input((16128,))
h = Dense(4048, activation='relu')(a)
h = Dense(128, activation='relu')(h)
h1 = Dense(1)(h)
model1 = Model(a, h1)

h = Dense(2)(h)
h2 = Concatenate()([h1, h])
model2 = Model(a, h2)

# ... train on model2

# Evaluate on model1, which outputs the unit of interest
score = model1.evaluate(X_test, y_test)

b) 定义您的 custom Keras metrics 以在计算指标时专门选择感兴趣的单位。

【讨论】：

【解决方案2】：

感谢您的提示。我采用了选项 b 并按如下方式实现了我的自定义指标：

def MAE_ROLL(y_true, y_pred):
 return K.mean(K.abs(y_pred[:, 0] - y_true[:, 0]))

def MAE_PITCH(y_true, y_pred):
 return K.mean(K.abs(y_pred[:, 1] - y_true[:, 1]))

def MAE_YAW(y_true, y_pred):
 return K.mean(K.abs(y_pred[:, 2] - y_true[:, 2]))

model.compile(loss=mean_absolute_error, optimizer='adam',metrics=[MAE_ROLL,MAE_PITCH,MAE_YAW])

【讨论】：