自定义Keras指标返回‘轴越界’错误
自定义Keras指标返回‘轴越界’错误
提问于 2019-05-21 07:51:55
我已经使用Keras构建了一个多类、多标签的图像分类网络。总共有25个类，每个图像中至少有一个类。我想实现一个自定义的精度度量，它告诉我最高概率类在图像中出现的频率(常规精度的意义较小，因为真正的正面被真正的负面所淹没)。
我已经构建了一个简单的函数，当我手动输入y_true和y_pred时，它会生成所需的精度度量。但是，当我尝试将此函数插入到模型训练过程中时，它产生了一个错误。
def customAcc(y_true, y_pred):
classPreds = np.array([np.eye(numClasses)[x] for x in np.argmax(y_pred, axis=1)])
correctPreds = y_true * classPreds
return np.mean(np.sum(correctPreds, axis=1))
model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.0001),
loss='binary_crossentropy', metrics=['accuracy', customAcc])AxisError:轴1超出维度为1
的数组的界限
回答 1
Stack Overflow用户
发布于 2019-05-21 08:22:15
TL;DR
y_pred是一维的，它只有一个可能的轴。从np.argmax调用中删除axis=1。
演练
本例中的问题是这一行：
classPreds = np.array([np.eye(numClasses)[x] for x in np.argmax(y_pred, axis=1)])具体来说：np.argmax(y_pred, axis=1)。您的y_pred是一个一维数组--比如[0.1, 0.2] --您告诉np.argmax在axis=1中查找不存在的值，除非您传递二维或更多维数组--比如[[0.1, 0.2], [0.3, 0.4]]。
一个可行的例子：
>>> import numpy as np
>>> num_classes = 25
>>> np.argmax([0.1, 0.5, 0.9]) # max value's index on 1D array
2
>>> np.argmax([0.1, 0.5, 0.9], axis=1) # max value's index on axis 1 of 1D array
AxisError: axis 1 is out of bounds for array of dimension 1如果y_pred是一个2D数组，轴错误就不会发生--但是np.argmax会返回一个索引列表而不是一个标量，如下所示：
>>> np.argmax([
... [0.1, 0.5, 0.9],
... [0.9, 0.5, 0.1]
... ], axis=1)
array([2, 0], dtype=int64) # first array's max at index 2, second array's max at index 0通过从argmax中去掉axis=1，您将获得y_pred中最大值的正确标量索引。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56229468
复制相关文章
相似问题