我在多标签分类中使用了sigmoid和binary_crossentropy。

例如，y_true的标签像[1,0,1,0,0]，而y_pred的标签像[0.8,0.3,0.9,0,0]。

我如何设置Keras的自定义度量函数，使得y_pred中每个大于0.5的元素映射到1，每个小于0.5的元素映射到0，然后比较y_pred中与y_true匹配的标签数量？

回答：

由于您在进行多标签分类，看来您是想将整个真实标签和预测标签进行比较。例如，对于一个真实标签为[1, 0, 0]和预测标签为[0, 0, 0]的单个样本，您认为预测准确率为零（尽管第二和第三类的标签预测正确）。如果是这样的话，您可以比较标签，然后使用后端的all()方法来确保所有类别的标签彼此匹配：

from keras import backend as K
def full_multi_label_metric(y_true, y_pred):    
    comp = K.equal(y_true, K.round(y_pred))    
    return K.cast(K.all(comp, axis=-1), K.floatx())