如何在 Keras 拟合输出中命名自定义指标

Question

我在训练 Keras 模型时使用自定义指标。它工作得很好，除了输出中的指标名称model.fit_generator(...)不可解释（注意：Tensorboard 也使用这些错误的名称）。

这是我正在做的事情的一个可重现的示例：指标使用一个参数（除了预测和真实值之外），因此我定义了一个工厂来生成无参数指标函数，类似于：

def my_dummy_metric(y_true, y_pred, the_param=1.0):
    return the_param * keras.backend.ones((1))

def my_metric_factory(the_param=1.0):
    def fn(y_true, y_pred):
        return my_dummy_metric(y_true, y_pred, the_param=the_param)

    return fn

my_second_metric = my_metric_factory(2.0)
my_other_metric = my_metric_factory(3.14)

然后我编译并训练我的模型：

model.compile(my_optim, my_loss, [my_second_metric, my_other_metric])
history = model.fit_generator(...)
print(history.params['metrics'])

我的麻烦是，中的指标名称history是fn、和。Tensorboard 也使用这些名称，您需要了解实现细节才能理解它们。fn_1val_fnval_fn_1

相反，当我使用简单的自定义函数，没有工厂时，我没有这个问题：

model.compile(my_optim, my_loss, [my_dummy_metric])
history = model.fit_generator(...)
print(history.params['metrics'])

my_XXX_metric在基于工厂的用例中是否也可以获取输出名称？

环境：使用Keras 2.2.4、TF 1.14.0、Python 3.7

Answer 1

是的，这是可能的。在度量工厂中，只需设置适当__name__的度量函数即可。例如：

def my_metric_factory(the_param=1.0):
    def fn(y_true, y_pred):
        return my_dummy_metric(y_true, y_pred, the_param=the_param)

    fn.__name__ = 'metricname_{}'.format(the_param)
    return fn