tensorflow 中的 F1 分数

问：

在训练模型时，我试图在 ResNeXt 和 ResNet 上获得二元分类问题的 f1 分数。当我使用 tf.keras.metrics.F1Score 函数时，我在尝试拟合模型时出现以下错误：

ValueError：FBetaScore 需要形状为 （batch_size， output_dim） 的 2D 输入，output_dim完全定义 （而不是 None） 。接收的输入形状：y_pred.shape=（None， 2） 和 y_true.shape=（None， None）。

但是，如果我使用 tfa.metrics.F1Score 函数，我会获得输出而不会出现任何错误。为什么会这样？这两个 f1 分数函数有什么区别？

此外，在使用 tfa.metrics.F1Score 时，我还打印了精度、召回率和准确性值。它们都有相同的价值，怎么会这样呢？

这是我编译模型的方式：

f1 =tfa.metrics.F1Score(num_classes=2, average='weighted')
f1score = tf.keras.metrics.F1Score(average="weighted",threshold=0.5)

model.compile (
    loss = 'categorical_crossentropy',
    optimizer="adam" ,metrics=[ f1score, "Precision", "Recall"]
)

我如何适合我的模型：

history = model.fit(
    training_set,
    validation_data = val_set,
    epochs = 5,
    steps_per_epoch = 95,
    validation_steps = 95

    )

制作trainig_Set和val_set：

training_set = train_datagen.flow_from_directory(
    train_Path,
    target_size = IMAGE_SIZE,
    batch_size = 32,
    class_mode = 'categorical' 
)