我就废话不多说了，大家还是直接看代码吧！
### 以下链接里面的code
import numpy as np
from keras.callbacks import Callback
from sklearn.metrics import confusion_matrix, f1_score, precision_score, recall_score
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.asarray(self.model.predict(self.model.validation_data[0]))).round()
val_targ = self.model.validation_data[1]
_val_f1 = f1_score(val_targ, val_predict)
_val_recall = recall_score(val_targ, val_predict)
_val_precision = precision_score(val_targ, val_predict)
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” %(_val_f1, _val_precision, _val_recall)
return
metrics = Metrics()
model.fit(
train_instances.x,
train_instances.y,
batch_size,
epochs,
verbose=2,
callbacks=[metrics],
validation_data=(valid_instances.x, valid_instances.y),
)
补充知识：Keras可使用的评价函数
1：binary_accuracy（对二分类问题，计算在所有预测值上的平均正确率）
binary_accuracy(y_true, y_pred)
2：categorical_accuracy（对多分类问题，计算在所有预测值上的平均正确率）
categorical_accuracy(y_true, y_pred)
3：sparse_categorical_accuracy（与categorical_accuracy相同，在对稀疏的目标值预测时有用 ）
sparse_categorical_accuracy(y_true, y_pred)
4：top_k_categorical_accuracy（计算top-k正确率，当预测值的前k个值中存在目标类别即认为预测正确 ）
top_k_categorical_accuracy(y_true, y_pred, k=5)
5：sparse_top_k_categorical_accuracy（与top_k_categorical_accracy作用相同，但适用于稀疏情况）
sparse_top_k_categorical_accuracy(y_true, y_pred, k=5)
以上这篇在keras里面实现计算f1-score的代码就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。