keras自定义监控变量

keras自带的监控变量就是mse，mae等，有时我们想自定义监控的变量，比如学习率，或者其它一些我们自定义的参数，keras自定义监控变量和自定义损失函数很类似，都是通过这个类似内部函数的方式，例如监控学习率。

# 监控学习率
def get_lr_metric(optimizer):
    def lr(y_true,y_pred):
        return optimizer.lr
    return lr

class LRCallback(Callback):
    def on_epoch_end(self, epoch, logs=None):
        lr = self.model.optimizer.lr
        decay = self.model.optimizer.decay
        iterations = self.model.optimizer.iterations
        lr_with_decay = lr / (1. + decay * K.cast(iterations, K.dtype(decay)))
        return K.eval(lr_with_decay)

optimizer = keras.optimizers.adam(lr=1e-3,decay=0.02)
model.compile(loss = model_dice,optimizer= optimizer,metrics=['mse','mae',lr_metric])

learning_rate_callback = LRCallback()
    callbacks_list = [checkpoint,learning_rate_callback]
    history = model.fit(...,callbacks = callbacks_list)

注意通过这种嵌套函数方式，且内部函数的输入参数为y_true,y_pred,实际可能没用。

另外返回的必须是一个数字，如果想有多个返回值，我试了不可以，如果有知道的朋友请不吝赐教。