我有一個用于序列預測的 Lstm 模型，如下所示：def create_model(max_sequence_len, total_words): input_len = max_sequence_len - 1 model = keras.models.Sequential() model.add(layers.Embedding(total_words, 50, input_length=input_len)) model.add(layers.LSTM(50, input_shape=predictors[:1].shape)) model.add(layers.Dropout(0.2)) model.add(layers.Dense(activation='softmax', units = total_words)) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'], lr=0.01) return modelmodel_sb = create_model(max_sequence_len, total_words)history = model_sb.fit(X_train, y_train, epochs = 20 , shuffle = True, validation_split=0.3, )它運行良好，但我想從我的模型中獲取 2 個輸出，它們是 softmax 密集層中概率最大的輸出。為了帶走他們，我可以使用以下代碼：predicted = model_sb.predict(test_sequence, verbose=1) 然后通過這段代碼找到前n個高概率輸出：y_sum = predicted.sum(axis=0)ind = np.argpartition(y_sum, -n)[-n:]ind[np.argsort(y_sum[ind])]但是如果輸出是這些 n 輸出之一（帶有“或”條件），我需要知道我的模型的準確性是否有任何包可以幫助我？我的意思是我不想只用一個最大概率輸出來評估我的模型，我想通過 2 個高概率結果來評估準確性和損失。
1 回答
達令說
TA貢獻1821條經(jīng)驗 獲得超6個贊
k = 2在您的情況下，這稱為 top-k 準確性。Keras 已經(jīng)實現(xiàn)了這種準確性：
from keras.metrics import top_k_categorical_accuracy
def my_acc(y_true, y_pred):
return top_k_categorical_accuracy(y_true, y_pred, k=2)
然后將此自定義指標傳遞給您的模型：
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=[my_acc])
添加回答
舉報
0/150
提交
取消