无法为 Keras 模型开发自定义指标

Question

我正在为具有自定义指标的多类分类问题（4 个类）开发 Keras 模型。问题是我无法为此模型开发自定义指标。当我运行模型时，指标的值为空。这是我的模型：nb_classes = 4model = Sequential()model.add(LSTM(                units=50,                return_sequences=True,                 input_shape=(20,18),                dropout=0.2,                 recurrent_dropout=0.2              )         )model.add(Dropout(0.2))model.add(Flatten())model.add(Dense(units=nb_classes,               activation='softmax'))model.compile(loss="categorical_crossentropy",optimizer='adadelta')history = model.fit(np.array(X_train), y_train,                     validation_data=(np.array(X_test), y_test),                    epochs=50,                    batch_size=2,                    callbacks=[model_metrics],                    shuffle=False,                    verbose=1)这是如何model_metrics定义的：class Metrics(Callback):    def on_train_begin(self, logs={}):        self.val_f1s = []        self.val_recalls = []        self.val_precisions = []    def on_epoch_end(self, epoch, logs={}):        val_predict = np.argmax((np.asarray(self.model.predict(self.validation_data[0]))).round(), axis=1)        val_targ = np.argmax(self.validation_data[1], axis=1)        _val_f1 = metrics.f1_score(val_targ, val_predict, average='weighted')        _val_recall = metrics.recall_score(val_targ, val_predict, average='weighted')        _val_precision = metrics.precision_score(val_targ, val_predict, average='weighted')        self.val_f1s.append(_val_f1)        self.val_recalls.append(_val_recall)        self.val_precisions.append(_val_precision)        print(" — val_f1: %f — val_precision: %f — val_recall %f".format(_val_f1, _val_precision, _val_recall))        returnmodel_metrics = Metrics() 你可以看到val_f1: %f — val_precision: %f — val_recall %f。没有度量值。为什么？我究竟做错了什么？