Keras（TensorFlow后端）自定义IoU指标时遇占位符输入错误求助

这个错误我之前也碰到过，本质是Keras在计算自定义IoU指标时，没办法正确获取到真实标签（y_true）的输入，大概率是你的指标定义方式不符合Keras的要求。下面给你两种靠谱的解决方法，你可以根据自己的场景选择：

方法一：用tf.keras自定义指标类（推荐，更规范） #

这种方式适合需要跟踪累计状态（比如跨batch计算平均IoU）的场景，也是tf.keras官方推荐的写法：

import tensorflow as tf
from tensorflow.keras import backend as K

class IoU(tf.keras.metrics.Metric):
    def __init__(self, name='IoU', threshold=0.5, **kwargs):
        super(IoU, self).__init__(name=name, **kwargs)
        self.threshold = threshold
        # 初始化用于累计交集和并集的权重变量
        self.intersection = self.add_weight(name='intersection', initializer='zeros')
        self.union = self.add_weight(name='union', initializer='zeros')

    def update_state(self, y_true, y_pred, sample_weight=None):
        # 将预测值二值化（如果你的模型输出是概率的话）
        y_pred = tf.cast(y_pred > self.threshold, tf.float32)
        y_true = tf.cast(y_true, tf.float32)
        
        # 计算单batch的交集和并集
        intersection = tf.reduce_sum(y_true * y_pred)
        union = tf.reduce_sum(y_true) + tf.reduce_sum(y_pred) - intersection
        
        # 累计到全局变量中
        self.intersection.assign_add(intersection)
        self.union.assign_add(union)

    def result(self):
        # 计算最终IoU，用divide_no_nan避免除以0的情况
        return tf.math.divide_no_nan(self.intersection, self.union)

    def reset_state(self):
        # 每个epoch开始时重置指标状态
        self.intersection.assign(0.0)
        self.union.assign(0.0)

使用的时候，直接在模型编译时实例化这个类：

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=[IoU(threshold=0.5)])

方法二：函数式自定义指标（适合简单场景） #

如果你的场景不需要跨batch累计，只是计算单batch的IoU，可以用更简洁的函数式写法：

from tensorflow.keras import backend as K

def iou_metric(y_true, y_pred):
    threshold = 0.5
    # 二值化处理预测值和真实标签
    y_pred = K.cast(y_pred > threshold, K.floatx())
    y_true = K.cast(y_true, K.floatx())
    
    # 计算交集和并集
    intersection = K.sum(y_true * y_pred)
    union = K.sum(y_true) + K.sum(y_pred) - intersection
    
    # 处理并集为0的特殊情况（此时IoU设为1.0）
    return K.switch(K.equal(union, 0), 1.0, intersection / union)

使用时直接把函数传入metrics参数：

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=[iou_metric])

常见错误原因排查 #

• 你的自定义指标函数可能没有把y_true作为第一个参数，导致Keras无法自动传递真实标签数据，进而触发占位符未赋值的错误。
• 如果你用的是旧版Keras（非tf.keras），要确保所有张量操作都用Keras后端（K.*）的函数，而不是直接用TensorFlow原生函数，否则可能出现兼容性问题。
• 训练时如果没有正确传入标签数据（比如model.fit的y参数为空），也会出现类似错误，但这种情况比较少见，优先检查指标定义的问题。

内容的提问来源于stack exchange，提问作者Saeed Alahmari