精度和召回率是用于多类分类的更有用的度量（请参阅定义）。继Keras
MNIST
CNN例子（10级分类），你可以使用每类措施，
classification_report从sklearn.metrics：
from sklearn.metrics import classification_reportimport numpy as npY_test = np.argmax(y_test, axis=1) # Convert one-hot to indexy_pred = model.predict_classes(x_test)print(classification_report(Y_test, y_pred))
结果如下：
precision recall f1-score support 0 0.99 1.00 1.00 980 1 0.99 0.99 0.99 1135 2 1.00 0.99 0.99 1032 3 0.99 0.99 0.99 1010 4 0.98 1.00 0.99 982 5 0.99 0.99 0.99 892 6 1.00 0.99 0.99 958 7 0.97 1.00 0.99 1028 8 0.99 0.99 0.99 974 9 0.99 0.98 0.99 1009avg / total 0.99 0.99 0.99 10000
