Keras 指标产生意外值

Question

在上一个问题的帮助下，我设计了以下 IoU 实现：

def iou(y_pred_batch, y_true_batch):
    intersection = tf.zeros(())
    union = tf.zeros(())
    y_pred_batch = np.argmax(y_pred_batch, axis=-1)
    y_true_batch = np.argmax(y_true_batch, axis=-1)
    for i in range(num_classes):
        iTensor = tf.to_int64(tf.fill(y_pred_batch.shape, i))
        intersection = tf.add(intersection, tf.to_float(tf.count_nonzero(tf.logical_and(K.equal(y_true_batch, y_pred_batch), K.equal(y_true_batch, iTensor)))))
        union = tf.add(union, tf.to_float(tf.count_nonzero(tf.logical_or(K.equal(y_true_batch, iTensor), K.equal(y_pred_batch, iTensor)))))
    return intersection/union

我使用以下行来测试代码：

sess = tf.InteractiveSession()

y_true_batch = np.asarray([np.random.rand(imRows, imCols, num_classes) for i in range(2)])
y_pred_batch = np.asarray([np.random.rand(imRows, imCols, num_classes) for i in range(2)])

print (iou(y_true_batch, y_pred_batch).eval())
sess.close()

这会产生 ~0.02 的值，这是随机初始化值的预期结果。但是，当我在我的 keras 模型中使用这个指标时，指标 returns 1.0000 从 epoch 1 开始，这显然是错误的。我不知道这是为什么，我们将不胜感激。

Answer 1

刚刚更改了

np.argmax()

至

from keras import backend as K
K.argmax()

原因是当您使用 np.argmax() 计算时没有创建张量，代码应该使用张量语言。您需要在 keras 中根据张量运算执行所有操作。

用于 keras 测试。

y_true = np.asarray([np.random.rand(4,4, 4) for i in range(2)])
y_pred = np.asarray([np.random.rand(4, 4, 4) for i in range(2)])


iou_value = iou(
    K.variable(y_true),
    K.variable(y_pred),
).eval(session=K.get_session())
print('iou', iou)

Keras 指标产生意外值

Keras metric produces unexpected values

metric

keras