如何在 Keras 中将 ModelCheckpoint 与自定义指标结合使用？

是否可以使用自定义metrics https://keras.io/metrics/ in the ModelCheckpoint https://keras.io/callbacks/#modelcheckpoint打回来？

对的，这是可能的。

如文档中所述定义自定义指标：

import keras.backend as K

def mean_pred(y_true, y_pred):
    return K.mean(y_pred)

model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy', mean_pred])

要检查所有可用指标：

print(model.metrics_names)
> ['loss', 'acc', 'mean_pred']

将指标名称传递给ModelCheckpoint通过monitor。如果您希望在验证中计算指标，请使用val_ prefix.

ModelCheckpoint(weights.{epoch:02d}-{val_mean_pred:.2f}.hdf5,
                monitor='val_mean_pred',
                save_best_only=True,
                save_weights_only=True,
                mode='max',
                period=1)

不要使用mode='auto'对于自定义指标。明白为什么here https://github.com/fchollet/keras/blob/master/keras/callbacks.py#L366-L378.

我为什么要回答我自己的问题？查看this https://stackoverflow.blog/2011/07/01/its-ok-to-ask-and-answer-your-own-questions/.