KerasでカスタムAUC、カスタムAccuracyを実装する

10クラスの画像分類をするモデルを構築していた時、精度改善のために拡張して11クラス分類のモデルを構築した。

しかし、評価は元々の10クラスで行いたかったので、custom metricsのクラスを実装した。

例えばカスタムAUCだと以下の通り。

class auc(tf.keras.metrics.AUC):
    def __init__(self, **kwargs):
        super(auc, self).__init__(**kwargs)
        self.auc = tf.keras.metrics.AUC(multi_label=True)

    def update_state(self, y_true, y_pred, sample_weight=None):
        self.auc.update_state(y_true[:, :10], y_pred[:, :10])

    def result(self):
        return self.auc.result()

    def reset_states(self):
        self.auc.reset_states()

親クラスとして使いたいmetricsを継承し、initで変数として宣言する。

update_state、result、reset_statusをオーバーライドするだけでカスタムAUCの完成。

学習データでは11クラスになっているけど、update_stateにわたす際に(y_true[:, :10], y_pred[:, :10])としてオリジナルの10クラスで評価するようにした。

バッチx出力になるので、二次元配列として渡す必要がある。

間違えてy_true[:10]にしないよう注意する。

参考

tf.keras.metrics.Metric  |  TensorFlow Core v2.5.0
Encapsulates metric logic and state.
How do I create multiple custom AUC metrics, one for each of the outputs, in TensorFlow?
In TensorFlow 2.0, there's the class tf.keras.metrics.AUC. It can easily be added to the list of metrics of the compile method as follows. # Example taken from...

コメント

タイトルとURLをコピーしました