首页
/ Keras模型评估指标名称获取问题解析

Keras模型评估指标名称获取问题解析

2025-04-30 01:27:17作者:齐添朝

在使用TensorFlow 2.16.1版本构建Keras模型时,开发者可能会遇到一个关于模型评估指标名称显示的问题。当使用Keras Functional API构建模型并添加多个评估指标时,调用model.metrics_names方法不再像以前版本那样返回完整的指标名称列表,而是将所有自定义指标归并到"compile_metrics"这一项下。

问题现象

在模型编译阶段,开发者通常会这样添加多个评估指标:

model.compile(optimizer='adam', 
             loss='binary_crossentropy', 
             metrics=[
                 keras.metrics.Precision(),
                 keras.metrics.Recall(),
                 keras.metrics.BinaryAccuracy(),
                 # 其他指标...
             ])

在TensorFlow 2.16.1之前,调用model.metrics_names会返回类似['loss', 'precision', 'recall', 'binary_accuracy', ...]的完整列表。但在新版本中,该方法仅返回['loss', 'compile_metrics'],将所有自定义指标归并在一起。

解决方案

针对这一问题,Keras官方提供了两种解决方案:

  1. 使用evaluate()的return_dict参数:这是推荐的做法。在调用model.evaluate()时设置return_dict=True,方法将返回一个字典,其中键为指标名称,值为对应的计算结果。这种方式更加清晰直观,避免了指标名称的混淆问题。
results = model.evaluate(test_data, return_dict=True)
# 结果格式:{'loss': 0.123, 'precision': 0.95, 'recall': 0.92, ...}
  1. 直接访问模型中的指标对象:通过检查model.metrics列表,可以找到CompileMetrics对象,然后进一步访问其metrics属性来获取完整的指标列表。
for m in model.metrics:
    if isinstance(m, keras.metrics.CompileMetrics):
        print(m.metrics)  # 显示所有自定义指标

技术背景

这一变化反映了Keras内部指标处理机制的演进。新版本将自定义指标统一管理,可能是为了优化性能或简化内部实现。虽然表面上看指标名称显示方式有所改变,但实际计算逻辑和结果并未发生变化。

对于开发者而言,使用return_dict=True的方式不仅解决了当前问题,还提供了更清晰、更易维护的代码结构。字典形式的返回值可以直接通过键名访问特定指标,避免了依赖指标在列表中位置的脆弱性。

最佳实践

  1. 在TensorFlow 2.16.1及更高版本中,建议始终使用evaluate(return_dict=True)来获取评估结果
  2. 对于需要编程访问指标名称的场景,可以通过model.metrics属性遍历查找
  3. 在模型训练过程中,指标仍然会正常显示,这一变化仅影响metrics_names属性的行为

理解这一变化有助于开发者更好地适应Keras框架的演进,并编写出更健壮的模型评估代码。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
193
2.16 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
72
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
972
573
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
548
77
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
349
1.36 K
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
206
284
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17