我正在為具有自定義指標的多類分類問題（4 個類）開發 Keras 模型。問題是我無法為此模型開發自定義指標。當我運行模型時，指標的值為空。這是我的模型：nb_classes = 4model = Sequential()model.add(LSTM(                units=50,                return_sequences=True,                 input_shape=(20,18),                dropout=0.2,                 recurrent_dropout=0.2              )         )model.add(Dropout(0.2))model.add(Flatten())model.add(Dense(units=nb_classes,               activation='softmax'))model.compile(loss="categorical_crossentropy",optimizer='adadelta')history = model.fit(np.array(X_train), y_train,                     validation_data=(np.array(X_test), y_test),                    epochs=50,                    batch_size=2,                    callbacks=[model_metrics],                    shuffle=False,                    verbose=1)這是如何model_metrics定義的：class Metrics(Callback):    def on_train_begin(self, logs={}):        self.val_f1s = []        self.val_recalls = []        self.val_precisions = []    def on_epoch_end(self, epoch, logs={}):        val_predict = np.argmax((np.asarray(self.model.predict(self.validation_data[0]))).round(), axis=1)        val_targ = np.argmax(self.validation_data[1], axis=1)        _val_f1 = metrics.f1_score(val_targ, val_predict, average='weighted')        _val_recall = metrics.recall_score(val_targ, val_predict, average='weighted')        _val_precision = metrics.precision_score(val_targ, val_predict, average='weighted')        self.val_f1s.append(_val_f1)        self.val_recalls.append(_val_recall)        self.val_precisions.append(_val_precision)        print(" — val_f1: %f — val_precision: %f — val_recall %f".format(_val_f1, _val_precision, _val_recall))        returnmodel_metrics = Metrics() 你可以看到val_f1: %f — val_precision: %f — val_recall %f。沒有度量值。為什么？我究竟做錯了什么？