Keras邻类自定义准确率指标开发遇AttributeError报错求助

看起来你在实现允许邻类匹配的自定义准确率时，不小心把张量当成了普通Python整数来处理，导致Keras/TensorFlow无法识别它的 dtype 属性。这是自定义Keras指标时很常见的坑——所有计算都得用张量操作，不能直接用Python原生的数值运算或者类型转换。

下面我给你一个正确的实现方案，同时解释关键的注意点：

正确的自定义邻类准确率指标实现 #

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

def adjacent_class_accuracy(y_true, y_pred):
    # 1. 将真实标签转为整数张量（确保是TensorFlow张量，不是Python int）
    y_true = tf.cast(tf.argmax(y_true, axis=-1), tf.int32)
    # 2. 获取预测的类别索引
    y_pred = tf.cast(tf.argmax(y_pred, axis=-1), tf.int32)
    
    # 3. 计算匹配情况：要么完全相等，要么是相邻类别
    exact_match = tf.equal(y_true, y_pred)
    # 注意用张量运算计算邻类：abs(y_true - y_pred) == 1，所有操作都是张量级别的
    adjacent_match = tf.equal(tf.abs(tf.subtract(y_true, y_pred)), 1)
    
    # 4. 合并两种正确情况，转为浮点型后求均值
    correct = tf.logical_or(exact_match, adjacent_match)
    return tf.reduce_mean(tf.cast(correct, tf.float32))

# 测试用的模型示例
model = Sequential([
    Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
    MaxPooling2D((2,2)),
    Flatten(),
    Dense(10, activation='softmax')
])

# 编译模型时使用自定义指标
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy', adjacent_class_accuracy])

错误原因分析 #

你之前的代码大概率是在处理y_true或y_pred的时候，不小心把张量转换成了Python整数（比如用了int()或者直接取了张量的numpy值），而TensorFlow的运算要求所有操作对象都是张量，所以才会抛出'int' object has no attribute 'dtype'的错误。

比如，如果你写了类似这样的代码就会出错：

# 错误示例：把张量转成了Python int
y_true_int = int(tf.argmax(y_true, axis=-1))

这种操作会把张量转换成单个Python整数，而后续的TensorFlow运算无法处理普通int对象，就会触发错误。

关键注意事项 #

• 所有计算都要用TensorFlow的张量操作（比如tf.cast、tf.equal、tf.abs等），不要用Python原生的数值运算。
• 确保y_true和y_pred始终是TensorFlow张量，不要转换成numpy数组或Python标量。
• 如果你的标签是稀疏标签（比如整数形式，不是one-hot编码），只需要去掉tf.argmax(y_true, axis=-1)这一步，直接用y_true即可。

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