无法为 Keras 模型开发自定义指标

Question

我正在为具有自定义指标的多类分类问题（4 个类）开发 Keras 模型。问题是我无法为此模型开发自定义指标。当我运行模型时，指标的值为空。

这是我的模型：

nb_classes = 4

model = Sequential()

model.add(LSTM(

                units=50,

                return_sequences=True, 

                input_shape=(20,18),

                dropout=0.2, 

                recurrent_dropout=0.2

              )

         )

model.add(Dropout(0.2))

model.add(Flatten())

model.add(Dense(units=nb_classes,

               activation='softmax'))

model.compile(loss="categorical_crossentropy",optimizer='adadelta')

history = model.fit(np.array(X_train), y_train, 

                    validation_data=(np.array(X_test), y_test),

                    epochs=50,

                    batch_size=2,

                    callbacks=[model_metrics],

                    shuffle=False,

                    verbose=1)

这是如何model_metrics定义的：

class Metrics(Callback):

    def on_train_begin(self, logs={}):

        self.val_f1s = []

        self.val_recalls = []

        self.val_precisions = []

    def on_epoch_end(self, epoch, logs={}):

        val_predict = np.argmax((np.asarray(self.model.predict(self.validation_data[0]))).round(), axis=1)

        val_targ = np.argmax(self.validation_data[1], axis=1)

        _val_f1 = metrics.f1_score(val_targ, val_predict, average='weighted')

        _val_recall = metrics.recall_score(val_targ, val_predict, average='weighted')

        _val_precision = metrics.precision_score(val_targ, val_predict, average='weighted')

        self.val_f1s.append(_val_f1)

        self.val_recalls.append(_val_recall)

        self.val_precisions.append(_val_precision)

        print(" — val_f1: %f — val_precision: %f — val_recall %f".format(_val_f1, _val_precision, _val_recall))

        return

model_metrics = Metrics() 

你可以看到val_f1: %f — val_precision: %f — val_recall %f。没有度量值。为什么？我究竟做错了什么？