如何在 Keras 中定义自定义精度以忽略带有特定金标签的样本？答案

【问题标题】：How to define a custom accuracy in Keras to ignore samples with a particular gold label?如何在 Keras 中定义自定义精度以忽略带有特定金标签的样本？
【发布时间】：2017-11-13 18:02:23
【问题描述】：

我想在 Keras 中编写一个自定义指标（我使用的是 tensorflow 后端），相当于categorical_accuracy，但是必须忽略具有特定黄金标签的样本的输出（在我的情况下为 0，来自 y_true） .例如，如果我的输出是：

Pred 1 - Gold 0

Pred 1 - Gold 1

准确度为 1，因为必须忽略带有金色标签 0 的样本。也就是说，我编写的函数（并没有给出预期的结果）是：

def my_accuracy(y_true, y_pred):

    mask = K.any(K.not_equal(K.argmax(y_true, axis=-1), 0), axis=-1, keepdims=True)

    masked_y_true = y_true*K.cast(mask, K.dtype(y_true))
    masked_y_pred = y_pred*K.cast(mask, K.dtype(y_pred))

    return keras.metrics.categorical_accuracy(masked_y_true, masked_y_pred)`

感谢任何帮助，谢谢！

【问题讨论】：

标签： tensorflow keras metrics

【解决方案1】：

你可以试试这个方法：

def ignore_accuracy_of_class(class_to_ignore=0):
    def ignore_acc(y_true, y_pred):
        y_true_class = K.argmax(y_true, axis=-1)
        y_pred_class = K.argmax(y_pred, axis=-1)

        ignore_mask = K.cast(K.not_equal(y_pred_class, class_to_ignore), 'int32')
        matches = K.cast(K.equal(y_true_class, y_pred_class), 'int32') * ignore_mask
        accuracy = K.sum(matches) / K.maximum(K.sum(ignore_mask), 1)
        return accuracy

    return ignore_acc

【讨论】：

【解决方案2】：

根据@RKO 的回复，这里是 TensorFlow 2.0 版本

import tensorflow.keras as K
def ignore_acc(y_true_class, y_pred_class, class_to_ignore=0):
    ignore_mask = K.backend.cast(K.backend.not_equal(y_pred_class, class_to_ignore), 'int32')
    matches = K.backend.cast(K.backend.equal(y_true_class, y_pred_class), 'int32') * ignore_mask
    accuracy = K.backend.sum(matches) / K.backend.maximum(K.backend.sum(ignore_mask), 1)
    return accuracy.numpy()

【讨论】：