1. 设置方法

以下内容，引用自

Model官方手册

——“

compile

”中

metrics

参数的解释。

1.1

metrics

表示形式

每个指标可以是一个

字符串

（内置函数的名称）、

函数

或

tf.keras.metrics.Metric


实例

。请参见

tf.keras.metrics

。

1. 通常情况下，您会使用
   
metrics=['accuracy']

   （此为
   
   字符串
   
   ）
2. 
   函数
   
   是任何具有签名的可调用对象
   
result=fn(y_true,y_pred)

   。

1.2

metrics

传值方式

为了为多输出模型的不同输出指定不同的指标，

1. 您也可以传递一个
   
   字典
   
   ，例如
   
metrics={'output_a':'accuracy', 'output_b':['accuracy', 'mse']}

   。
2. 您还可以传递一个
   
   列表
   
   来指定每个输出的
   
   指标
   
   或
   
   一组指标
   
   ，例如
   
metrics=[['accuracy'], ['accuracy', 'mse']]

   或
   
metrics=['accuracy', ['accuracy', 'mse']]

   。
   
   但注意因为每个输出可以有多个指标，所以在传列表的时候就不能直接传一个1维列表，而应该传一个二维列表，但在该二维列表的最后一个轴上的元素个数可以不同。

当您传递字符串

'accuracy'

或

'acc'

时，我们会根据目标和模型输出的形状（

shape

）将其转换为

tf.keras.metrics.BinaryAccuracy

、

tf.keras.metrics.CategoricalAccuracy

、

tf.keras.metrics.SparseCategoricalAccuracy

之一（此为

tf.keras.metrics.Metric


实例

）。对于

字符串


'crossentropy'

和

'ce'

，我们也进行类似的转换。

1.3

metrics

样本加权

在这里传递的指标是不带样本加权的；如果您希望应用样本加权，您可以通过

weighted_metrics

参数指定您的指标。

2. 例程

更多例程可以参考

1. 官方指南：《
   
   使用内置方法进行训练和评估
   
   》——“
   
   将数据传递到多输入、多输出模型
   
   ”部分；
2. 官方指南：《
   
   不平衡数据的分类
   
   》——“
   
   定义模型和指标
   
   ”部分。