我想在tf.keras中实现f1_score指标。
from tensorflow.keras.models import Model, Sequentialfrom tensorflow.keras.layers import Densefrom tensorflow.keras.optimizers import Adamfrom tensorflow.keras.losses import binary_crossentropyfrom tensorflow.keras.metrics import Accuracy, BinaryAccuracyfrom sklearn.metrics import accuracy_scoreimport numpy as npimport tensorflow as tfclass F1_Score(tf.keras.metrics.Metric): def __init__(self, name='f1_score', **kwargs): super().__init__(name=name, **kwargs) self.f1 = self.add_weight(name='f1', initializer='zeros') def update_state(self, y_true, y_pred, sample_weight=None): p = Precision(thresholds=0.5)(y_true, y_pred) r = Recall(thresholds=0.5)(y_true, y_pred) self.f1 = 2 * ((p * r) / (p + r + 1e-6)) def result(self): return self.f1 def reset_states(self): self.f1.assign(0) model = Sequential([ Dense(64, activation='relu', input_shape=(784,)), Dense(64, activation='relu'), Dense(4, activation='sigmoid'),])x = np.random.normal(size=(10, 784))y = np.random.choice(2, size=(10, 4))model.compile(optimizer=Adam(0.001), loss='binary_crossentropy', metrics=['accuracy', , F1_Score()])model.fit(x[:1], y[:1], batch_size=1, epochs=1, verbose=1)我遇到了一个错误：
ValueError: tf.function-decorated function tried to create variableson non-first call.
回答：
您会遇到这个错误是因为您想在update_state函数中实例化一些tf.Variable。当从Precision和Recall类实例化对象时，您正在创建一些tf.Variable。
在构造函数中实例化这些对象，并在update_state函数中调用它们：
class F1_Score(tf.keras.metrics.Metric): def __init__(self, name='f1_score', **kwargs): super().__init__(name=name, **kwargs) self.f1 = self.add_weight(name='f1', initializer='zeros') self.precision_fn = Precision(thresholds=0.5) self.recall_fn = Recall(thresholds=0.5) def update_state(self, y_true, y_pred, sample_weight=None): p = self.precision_fn(y_true, y_pred) r = self.recall_fn(y_true, y_pred) # 由于f1是一个变量，我们使用assign self.f1.assign(2 * ((p * r) / (p + r + 1e-6))) def result(self): return self.f1 def reset_states(self): # 我们还需要重置Precision和Recall对象的状态 self.precision_fn.reset_states() self.recall_fn.reset_states() self.f1.assign(0)行为解释：
TensorFlow只允许在tf.function的第一次调用时创建新的tf.Variable对象，请查看文档：
tf.function只允许在第一次调用时创建新的tf.Variable对象
Keras指标被包装在tf.function中以支持TensorFlow v1的兼容性。您可以在代码中找到这个注释
如果
update_state不在eager/tf.function中，并且它不是来自内置指标，则将其包装在tf.function中。这样，用户在v1中编写自定义指标时无需担心控制依赖和返回操作。
您的类中还有另一个错误，就是您用f1分数的计算覆盖了您创建的f1 tf.Variable。要更新变量的值，您需要使用assign。并且我们必须不要忘记重置正在使用的Precision和Recall Metrics对象的状态！
