Keras 问题与 3d 张量的前 k 个分类精度答案

【问题标题】：Keras issue with top k categorical accuracy with 3d tensorsKeras 问题与 3d 张量的前 k 个分类精度
【发布时间】：2019-10-03 22:01:11
【问题描述】：

我在使用 keras 中排名前 k 的分类准确度指标时遇到问题。我正在对基因组数据进行培训，大约有 10,000 个人，每个人都有 4,000 个核苷酸，可以是四个碱基之一，因此它们是一个热编码的。输出类似，但不是四个碱基，而是三个类别。

输入形状 (10000, 4000, 4) 输出形状 (10000, 4000, 3)

我尝试使用前 k 个分类准确度，但我得到： ValueError：形状必须为 2 级，但对于 'metrics/top_k_categorical_accuracy/in_top_k/InTopKV2'（操作：'InTopKV2'）为 3 级，输入形状为：[?,?,3], [?,?], []。

显然 keras 不喜欢 3d 张量。我该如何解决这个问题？

【问题讨论】：

为什么投反对票？这真的是一个我不知道如何解决的错误。这个问题是不是太模棱两可了？
我通常包含我使用的代码。在我看来，这不是投反对票的好理由，但通常还是建议这样做。
好的，谢谢您的回复。我对最初的反对票感到非常困惑，但很高兴能得到一些反馈。
不客气。当然，这只是我的猜测，因为我没有投反对票。

标签： python tensorflow machine-learning keras

【解决方案1】：

This 可能会对您有所帮助。

简单地说，top k 分类准确度没有被定义为维度灵活。

您需要转换数据以适应。

import keras.backend as K 
def my_top_k(true, pred, num):
    true = K.reshape(true, (-1, features_num))   
    pred = K.reshape(pred, (-1, features_num))
    return top_k_categorical_accuracy(true, pred, k=num)

【讨论】：