我正在尝试获取创建模型的所有指标：
def build_rnn_gru_model(tokenizer): model = tf.keras.Sequential([ tf.keras.layers.Embedding(len(tokenizer.word_index) + 1, 64,input_length=863), tf.keras.layers.GRU(64, activation='relu', return_sequences=True), tf.keras.layers.Dense(1, activation='sigmoid') ]) model.summary() model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy',f1,precision, recall]) return model我还使用了在如何获取keras模型的准确率、F1、精确度和召回率？中高度赞同的答案中建议的指标定义，但结果是一样的：
def recall(y_true, y_pred): true_positives = K.sum(K.round(y_pred) * y_true) possible_positives = K.sum(y_true) return true_positives / (possible_positives + K.epsilon())def precision(y_true, y_pred): true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1))) predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1))) precision = true_positives / (predicted_positives + K.epsilon()) return precisiondef f1(y_true, y_pred): precision_ = precision(y_true, y_pred) recall_ = recall(y_true, y_pred) return 2*((precision_*recall_)/(precision_+recall_+K.epsilon()))在使用LSTM或没有循环层的模型评估时，一切看起来都正常，但使用GRU时，召回值异常高：
199/1180 [====>.........................] - ETA: 4:45 - loss: 0.3988 - accuracy: 0.8230 - f1: 1.6155 - precision: 0.8195 - recall: 468.6583谁能给我一些提示，哪里出了问题？
回答：
对于TF 2，我建议你使用预定义的指标，在你的情况下使用tf.keras.metrics.Recall
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=[tf.keras.metrics.Recall(), ...])我建议在你的GRU层中设置return_sequences=False，因为我认为你正在进行二分类任务
