Keras自定义矩阵：ROC曲线

Question

我正在使用keras网站上给出的自定义矩阵：

def compute_roc (y_true, y_pred):
    y_true =K.eval(y_true)#.eval(session=sess)
    y_pred = K.eval(y_pred)#.eval(session=sess)
    roc = metrics.roc_curve(y_true, y_pred, pos_label=2)
    roc = tf.to_float(roc, name='ToFloat')
    return roc

但我得到错误的"K. ava（y_true）"

    InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-7-1de7569967ec> in <module>()
     20 #disc.load_weights(os.path.join(path, model_name+'.h5'))
     21 sgd = SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
---> 22 disc.compile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy',

compute_roc]）23#plot_model（model，to_file='model.png'）24打印（'disc model loaded'）

/usr/local/lib/python2.7/dist-packages/keras/engine/training.pyc in compile(self, optimizer, loss, metrics, loss_weights,

sample_weight_modeweighted_metricstarget_tensors**kwargs）912append_metric（metric_namemetric_result）913

/usr/local/lib/python2.7/dist-packages/keras/engine/training.pyc in handle_metrics(metrics, weights)
    909                             metric_result = weighted_metric_fn(y_true, y_pred,
    910                                                                weights=weights,
--> 911                                                                mask=masks[i])
    912                         append_metric(i, metric_name, metric_result)
    913 

/usr/local/lib/python2.7/dist-packages/keras/engine/training.pyc in weighted(y_true, y_pred, weights, mask)
    424         """
    425         # score_array has ndim >= 2
--> 426         score_array = fn(y_true, y_pred)
    427         if mask is not None:
    428             # Cast the mask to floatX to avoid float64 upcasting in theano

<ipython-input-7-1de7569967ec> in compute_roc(y_true, y_pred)
      4 
      5 def compute_roc (y_true, y_pred):
----> 6     y_true1 =K.eval(y_true)#.eval(session=sess)
      7    # y_pred1 = K.eval(y_pred)#.eval(session=sess)
      8     roc = 0#metrics.roc_curve(y_true, y_pred, pos_label=2)

/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc

在世纪（x）658'659 """ --

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc

在评估（自我、反馈、会话）539 540“--

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc

在使用默认会话（张量、提要、图表、会话）的_eval_4083中，“张量的图表与会话的“4084”图表不同。”）-

/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc

在运行（自我，获取，feed_dict，选项，run_metadata）893尝试： 894结果=自我。_run（无，获取，feed_dict，options_ptr，-

/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc

在_run（自我，处理，获取，feed_dict，选项，run_metadata）1122如果final_fetches或final_targets或（处理和feed_dict_tensor）：1123结果=自我。_do_run（处理，final_targets，final_fetches，-

/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc

在_do_run（自我，句柄，target_list，fetch_list，feed_dict，选项，run_metadata）1319如果句柄为无：1320返回自我。_do_call（_run_fn，自我。_session，提要，获取，目标，-

/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc

在_do_call（自我，fn，*args）1338除了KeyError： 1339通过-

InvalidArgumentError: You must feed a value for placeholder tensor 'dense_6_target' with dtype float and shape [?,?]
   [[Node: dense_6_target = Placeholder[dtype=DT_FLOAT, shape=[?,?], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]
   [[Node: dense_6_target/_833 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0",

send_device=“/job:localhost/replica:0/task:0/gpu:0”，send_device_化身=1，tensor_name=“edge_4_densite_6_target”，tensor_type=DT_FLOAT，_device=“/job:localhost/replica:0/task:0/cpu:0”]（）]

Caused by op u'dense_6_target', defined at:
  File "/usr/lib/python2.7/runpy.py", line 174, in _run_module_as_main
    "__main__", fname, loader, pkg_name)
  File "/usr/lib/python2.7/runpy.py", line 72, in _run_code
    exec code in run_globals
  File "/usr/local/lib/python2.7/dist-packages/ipykernel_launcher.py", line

16，应用程序内。在launch_instance app中的第658行启动新实例（）文件“/usr/local/lib/python2.7/dist packages/traitlets/config/application.py”。start（）文件“/usr/local/lib/python2.7/dist packages/ipykernel/kernelapp.py”，第478行，在start self中。io_环。start（）文件“/usr/local/lib/python2.7/dist packages/zmq/eventloop/ioloop.py”，第177行，在start super（ZMQIOLoop，self）中。start（）文件“/usr/local/lib/python2.7/dist packages/tornado/ioloop.py”，第888行，在start handler_func（fd_obj，events）文件“/usr/local/lib/python2.7/dist packages/tornado/stack_context.py”中，第277行，在空包装返回fn（*args，**kwargs）文件“/usr/local/lib/python2.7/dist packages/eventloop/zmqstream.py”，第440行，自己处理事件_handle_recv（）文件“/usr/local/lib/python2.7/dist packages/zmq/eventloop/zmqstream.py”，第472行，在handle_recv self中_运行回调（callback，msg）文件“/usr/local/lib/python2.7/dist packages/zmq/eventloop/zmqstream.py”，第414行，在运行回调回调（*args，**kwargs）文件“/usr/local/lib/python2.7/dist packages/tornado/stack_context.py”，第277行，在空包装返回fn（*args，**kwargs）文件“/usr/local/lib/python2.7/dist packages/ipykernel/kernel/kerbase.py”中，第283行，调度员返回自我。在execute\u request user\u表达式中的dispatch\u shell handler（stream，idents，msg）文件“/usr/local/lib/python2.7/dist packages/ipykernel/kernelbase.py”，第233行“/usr/local/lib/python2.7/dist packages/ipykernel/kernelbase.py”，第399行，do_execute res=shell中的allow_stdin）File“/usr/local/lib/python2.7/dist packages/ipykernel/ipkernel.py”，第208行。运行单元（代码，存储单元历史=存储单元历史，静默=静默）文件“/usr/local/lib/python2.7/dist packages/ipykernel/zmqshell.py”，第537行，运行单元返回超级（ZMQInteractiveShell，self）。运行单元（*args，**kwargs）文件“/usr/local/lib/python2.7/dist-packages/IPython/core/interactiveshell.py”，第2718行，在运行单元交互=交互，编译器=编译器，结果=结果）文件“/usr/local/lib/python2.7/dist-packages/IPython/core/interactiveshell.py”，第2822行，在运行单元节点中（如果自身）。运行代码（代码，结果）：文件“/usr/local/lib/python2.7/dist packages/IPython/core/interactiveshell.py”，第2882行，在光盘的运行代码执行文件（代码obj，self.user\u global\n，self.user\n）第22行。编译（loss='classifical\u crossentropy'，optimizer=sgd，metrics=['accurity'，compute\u roc]）文件/usr/local/lib/python2.7/dist packages/keras/engine/training.py”，第722行，在compile dtype=K.dtype（self.outputs[i]）文件/usr/local/lib/python2.7/dist packages/keras/backend/tensorflow\u backend.py中，占位符x=tf中的第504行。占位符（dtype，shape=shape，name=name）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/ops/array\u ops.py”，第1548行，在占位符返回gen\u array\u ops中_占位符（dtype=dtype，shape=shape，name=name）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/ops/gen_array_ops.py”，第2094行，在_占位符name=name）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/framework/op_def_library.py”，第767行，在create_op original_op=self中的apply_op_def=op_def）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/framework/ops.py”第2630行中_默认的_original_op，op_def=op_def）文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/framework/ops.py”，第1204行，在init self中_回溯=自我_图表_extract_stack（）35; pylint:disable=受保护的访问

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'dense_6_target' with dtype float and

形状[？，？][[Node:dense_6_target=Placeholder dType=DT_FLOAT，shape=[？，？]_device=“/job:localhost/replica:0/task:0/gpu:0”][[Node:densite_6_target/\u 833=\u Recvclient_terminated=false，recv_device=“/job:localhost/replica:0/task:0/cpu:0”，send_device_化身=1，tensor_name=“edge_4_densite__6_target”，tensor_type=DT_FLOAT，/u device=“/job:localhost/replica:0/cpu:0”]]

另一种方法是在每个纪元的末尾计算“y_pred”，并计算roc。

Answer 1

您有两个选择：

>

在这种情况下，您需要通过将列车生成器传递给回调函数来获取批处理x、批处理y，然后通过模型计算批处理开始时的批处理pred。预测（batch_x）然后在（on_epoch_end）回调中累积它，然后使用您的函数计算AUC。

使用tf在Keras中构建自定义度量。计量auc

AUC，update_op=tf。米制的auc（是真实的，是预测的）

在这种情况下，不需要计算每个批次的y_pred。只需构建自定义度量函数并将其传递给回调函数。您需要确保为每个批次更新（update_op），因为Auc度量需要在历元结束时计算，而不是在批次级别上计算。

您也可以在这里查看Tom的评论，在这里您可以找到上述建议的示例代码。然而，他们指的是tf。contrib。韵律学。已弃用并由tf取代的流式_auc。米制的auc