如何将自定义回调的自定义指标值附加到我需要在张量板上使用的“日志”？

如何解决如何将自定义回调的自定义指标值附加到我需要在张量板上使用的“日志”？

我需要实现一个自定义回调，以便在每个时期后计算AUC，我需要将其用作基于LSTM的神经网络中的指标。这是自定义回调：

from tensorflow.keras.callbacks import Callback
class RocCallback(Callback):
    def __init__(self,training_data,validation_data):
        self.x = training_data[0]
        self.y = training_data[1]
        self.x_val = validation_data[0]
        self.y_val = validation_data[1]

        

    def on_train_begin(self,logs={}):
        self.roc_train_list = []
        self.roc_val_list = []
        self.roc_train=0
        self.roc_val=0
        logs["roc_train"] = []
        logs["roc_val"] = []
        return 


    def on_epoch_end(self,epoch,logs):
        y_pred_train = self.model.predict(self.x)
        roc_train = roc_auc_score(self.y,y_pred_train)
        y_pred_val = self.model.predict(self.x_val)
        roc_val = roc_auc_score(self.y_val,y_pred_val)
        #print('\rroc-auc_train: %s - roc-auc_val: %s' % (str(round(roc_train,4)),str(round(roc_val,4))),end=100*' '+'\n')
        
        # self.history['roc_auc_train'].append(round(roc_train,4))

        # self.history['roc_auc_val'].append(round(roc_val,4))
        self.roc_train = round(roc_train,4)
        self.roc_val = round(roc_val,4) 
        self.roc_train_list.append(self.roc_train)
        self.roc_val_list.append(self.roc_val)
        print("\rroc_train: %f — roc_val: %f" %(self.roc_train,self.roc_val))
        
        logs["roc_train"]= self.roc_train
        logs["roc_val"] = self.roc_val

        return logs

有两件事不能正常工作：

1. print("\rroc_train: %f — roc_val: %f" %(self.roc_train,self.roc_val))在纪元进度条之前打印 ，但它需要在纪元进度条之后打印 例如：

Epoch 2/20
roc_train: 0.550000 — roc_val: 0.547800
2561/2561 [==============================] - 89s 35ms/step - loss: 0.5326 - val_loss: 0.4513
Epoch 3/20
roc_train: 0.559800 — roc_val: 0.558000
2561/2561 [==============================] - 88s 34ms/step - loss: 0.5049 - val_loss: 0.4406

1. 张量板中的日志仅以epoch_loss作为度量值，而没有“ roc_train”或“ roc_val”值。 我尝试过

logs["roc_train"].append(self.roc_train)
logs["roc_val"].append(self.roc_val)

但它会引发关键错误。

解决方法

作为一种快速的替代方法，您是否尝试过使用内置的https://www.tensorflow.org/api_docs/python/tf/keras/metrics/AUC，指标，

tf.keras.metrics.AUC(
    num_thresholds=200,curve='ROC',summation_method='interpolation',name=None,dtype=None,thresholds=None,multi_label=False,label_weights=None
)

它可能会暂时解决您的问题。

您的代码确实没有错；在model.fit（）的回调列表中，您能否将回调放置在列表的第一位置；在我的情况下，碰巧我想一次保存到.csv，而CustomMetric（）回调是最后一个，因此.csv仅保存有loss和val_loss而不保存我的自定义指标。