TensorFlow中model.evaluate()打印内容与返回值的差异及自定义多分类指标问题问询

咱们先明确model.evaluate()打印内容和返回结果的核心区别：

一、本质差异 #

打印内容 #

• 是评估过程中每处理完一个batch后，实时输出的指标状态值，最终显示的是最后一个batch处理完成后，所有指标的实时计算结果。
• 对于返回多维度结果的指标（比如多分类任务的F1分数），TensorFlow会自动做聚合处理（比如取平均值）后再打印，方便快速查看整体表现；同时数值会做四舍五入（通常保留4位小数），所以会和原始值有微小精度差异。
• 打印的顺序和你在model.compile()中传入的指标顺序一致，包含loss和所有指定的评估指标。

返回结果 #

• 是评估完全部测试数据后，调用每个指标的result()方法得到的原始计算结果，没有经过聚合或四舍五入。
• 对于多分类指标，返回的是每个类别对应的指标值数组（比如你返回结果里的F1分数数组），而不是打印时的聚合值。
• 返回数组的顺序固定为：[loss, 指标1结果, 指标2结果, ...]，和model.compile()中的指标顺序一一对应。

二、你的自定义指标导致明显差异的原因 #

看了你的代码，你的自定义MulticlassSensitivity和MulticlassSpecificity指标存在几个不规范的实现，这是导致打印值和返回值差异的核心原因：

1. result()方法中不必要的状态修改
   你在result()里将计算结果assign到self.sensitivity/self.specificity变量中，但TensorFlow的指标result()方法设计初衷是仅计算并返回结果，不修改任何状态变量。虽然这个操作在 eager 模式下可能看似正常，但在图模式下，多次调用result()（比如打印时调用一次，返回结果时再调用一次）可能因为张量赋值的延迟执行逻辑，导致两次计算结果不一致。

正确的写法应该直接返回计算值，不需要assign：

def result(self):
    # 直接返回第二类的敏感性，无需赋值到变量
    return tf.math.divide_no_nan(
        self.true_positive[1], 
        tf.math.add(self.true_positive[1], self.false_negative[1])
    )

2. reset_states()错误重置无关变量
   你的类中定义了self.true_class和self.false_class这两个完全未被使用的tf.Variable，但在reset_states()中会被一并重置为全0（布尔型下就是全False）。虽然这两个变量没参与计算，但这种不符合规范的状态管理可能干扰TensorFlow的指标状态跟踪逻辑，间接导致结果异常。建议直接删除这两个无用变量。

3. 潜在的指标累积逻辑问题
   在update_state()中，你通过取每个样本预测概率最大值来生成布尔型预测结果，这个逻辑对于softmax输出是合理的，但如果你的模型输出是未经过softmax的logits，可能会导致阈值判断异常。另外，确认你的y_true是标准的one-hot编码格式，否则tf.equal(y_true, True)的判断会出错，进而影响tp/tn/fp/fn的累积。

另外你提到的categorical_accuracy的差异，大概率也是因为指标状态管理的不规范导致的——如果你的自定义指标干扰了TensorFlow对内置指标状态的跟踪，就会出现这种异常。修复自定义指标的实现后，这个问题也会随之解决。

内容的提问来源于stack exchange，提问作者Sepehr Golestanian