我正在尝试训练一个模型，训练后，我想看看TP TN FP FN、召回率、精度和灵敏度。当我像这样编译模型时，我需要定义所有这些指标吗？
metrics = [CategoricalAccuracy(),Precision(),Recall(),TruePositives(),TrueNegatives(),FalseNegatives(),FalsePositives(),SensitivityAtSpecificity(0.5)]
model.compile(optimizer=Adam(learning_rate = 0.004), loss=CategoricalCrossentropy(from_logits = True), metrics=metrics)
我想做的是，在模型经过训练后，我想用这些指标来评估它，看看它在测试集上的表现如何。如果我运行model.evaluate，是否将使用model.compile中使用的指标，或者在进行评估时可以定义更多指标？例如，我想在训练期间监控准确性，然后在评估时监控回忆/准确性等等。
如果您不想监视Precision，Recall，您不必将它们编译。在使用model.predict获得预测后，您可以简单地使用tf.keras.metrics.Precision()。但如果你想使用model.evaluate，你需要把它们放在model.compile上。这是因为model.evaluate只使用编译模型时提到的度量，这些度量是在调用model.compile时启动的