Keras加入F1，recall，precision评价指标

按照Keras给出的一些代码，评价指标通常只有ACC跟loss，如果要看F1等其他参数就看不了，有跟多博客给出了添加的方式，大多是自己手写了公式，然后添加到里面去，个人感觉这种方式并不稳妥，给出我用的方法，直接调用官方给出的库函数即可。

import keras_metrics as km

然后在
model.compile中添加即可。给出一个LSTM的例子：

def BILSTM_model(self,word_index,embeddings_index):
        print('开始构建BILSTM模型')
        embedding_layer = self.emb_model_layer(word_index,embeddings_index)
        sequence_input = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
        embedded_sequences = embedding_layer(sequence_input)
        l_1 = Bidirectional(LSTM(100, return_sequences=False))(embedded_sequences)
        dense_1 = Dense(100,activation='tanh')(l_1)
        dense_2 = Dense(2, activation='softmax')(dense_1)

        model = Model(sequence_input, dense_2)

        model.compile(loss='categorical_crossentropy',
                  optimizer='rmsprop',
                  metrics=['acc',km.f1_score(), km.binary_precision(), km.binary_recall()])//在这个地方添加需要的参数

        model.summary()
        return model