TF 2.2的精度和召回率在培训和验证中始终返回零

如何解决TF 2.2的精度和召回率在培训和验证中始终返回零

您好，我正在尝试使用tf.keras训练一个小模型。在tf 2.2.0中，我正在使用一个生成器，该生成器返回[5,120,32,64,9]和标签[5,1]的序列，并且我正在从tf.keras导入

model.compile(
                loss="mse",optimizer=Adam(learning_rate=self.learning_rate),metrics=[Recall(),Precision()],sample_weight_mode="temporal",)

if callbacks is None:
            callbacks = []

model.fit(
            data.training(),callbacks=callbacks,steps_per_epoch=epoch_size,epochs=epochs,validation_data=data.training(),validation_steps=validation_size,verbose=0,)

另外，我将它们添加到“编译和匹配”部分

Layer (type)                 Output Shape              Param #   
=================================================================
input (InputLayer)           [(None,None,9)] 0         
_________________________________________________________________
conv_lst_m2d_1 (ConvLSTM2D)  (None,30,62,20)  20960     
_________________________________________________________________
time_distributed_MP_1 (TimeD (None,15,31,20)  0         
_________________________________________________________________
time_distributed_BN_1 (TimeD (None,20)  80        
_________________________________________________________________
time_distributed_F (Timedist (None,9300)        0         
_________________________________________________________________
time_distributed_D1 (Timedis (None,32)          297632    
_________________________________________________________________
time_distributed (Timedistri (None,32)          0         
_________________________________________________________________
time_distributed_D2 (Timedis (None,24)          792       
_________________________________________________________________
time_distributed_1 (Timedist (None,24)          0         
_________________________________________________________________
time_distributed_D3 (Timedis (None,16)          400       
_________________________________________________________________
time_distributed_2 (Timedist (None,16)          0         
_________________________________________________________________
output (Timedistributed)     (None,1)           17        
=================================================================

（我意识到我正在使用培训作为培训数据和验证数据。我试图在我的代码或TF中查找错误，因为我们在召回和精确wrt验证的结果中得到了奇怪而强烈的变化。它从不收敛，不会产生极端的变化，例如从0-0.8-0.2-0.9-0.4-0.8 ...）

另外，我使用的是生成器，它生成输入和输出的元组，因为它可以“纠正问题”

但是我仍然可以得到精确的结果并召回0.00000

100/100 [==============================）-224秒2秒/步-损耗：0.0371 -召回率：0.0000e + 00-精度：0.0000e + 00-val_loss：0.0331-val_recall：0.0000e + 00-val_precision：0.0000e + 00

有人知道我可以在tf 2.2中使用任何其他技巧来解决该问题吗？

我的神经网络摘要如下：

{{1}}

解决方法

Precision和Recall是二进制分类的固有指标。在TensorFlow和Keras中，当用于多类分类问题时，它们可能会显示这些值（0.0000e + 00）。话虽如此，它们仅在二进制分类而不是多分类的情况下才能正常工作。

您必须清楚地定义问题，无论是分类问题还是回归问题（由于您将mse用作损失，通常在回归问题中使用，但将其用于分类也没有问题）。

看看here如何对这些指标的验证集实施正确的评估：How to get other metrics in Tensorflow 2.0 (not only accuracy)?

这种情况的另一个原因是没有True Positive，在这种情况下Precision = TP /（TP + FP）和Recall = TP /（TP + FN）将得到0（前提是FP和FN与0）