如何在on_epoch_end中获得真正的y_true和y_pred？

在深度学习模型训练过程中，通常会使用回调函数来在每个epoch结束时执行一些操作。其中，on_epoch_end是一个常用的回调函数，用于在每个epoch结束时执行特定的操作。

在on_epoch_end中获得真正的y_true和y_pred，需要在模型训练过程中使用验证集数据进行评估。一般来说，验证集数据是与训练数据分开的一部分数据，用于评估模型在未见过的数据上的性能。

以下是一种常见的实现方式：

在模型训练过程中，设置一个验证集（validation set），该验证集包含一组输入数据X_val和对应的真实标签y_val。
在每个epoch结束时，调用model.predict方法，传入验证集的输入数据X_val，得到模型对验证集的预测结果y_pred。
将验证集的真实标签y_val与预测结果y_pred进行比较，可以使用适当的评估指标（如准确率、损失函数等）来衡量模型的性能。
在on_epoch_end中，可以通过自定义的回调函数来获取真正的y_true和y_pred，并进行进一步的处理或记录。

需要注意的是，具体的实现方式可能会因使用的深度学习框架而有所不同。以下是一个示例代码片段，展示了如何在on_epoch_end中获取真正的y_true和y_pred：

from tensorflow.keras.callbacks import Callback

class CustomCallback(Callback):
    def __init__(self, X_val, y_val):
        self.X_val = X_val
        self.y_val = y_val

    def on_epoch_end(self, epoch, logs=None):
        y_pred = self.model.predict(self.X_val)
        # 进行进一步的处理或记录
        # ...

# 创建并编译模型
model = ...
model.compile(...)

# 准备训练数据和验证数据
X_train, y_train = ...
X_val, y_val = ...

# 创建自定义回调函数
custom_callback = CustomCallback(X_val, y_val)

# 开始模型训练
model.fit(X_train, y_train, callbacks=[custom_callback])

在这个示例中，CustomCallback是一个自定义的回调函数，它接收验证集的输入数据X_val和真实标签y_val作为参数。在on_epoch_end方法中，通过调用self.model.predict方法，可以获取模型对验证集的预测结果y_pred。你可以根据需要在on_epoch_end中进行进一步的处理或记录。

请注意，以上示例中的代码仅为演示目的，实际情况中可能需要根据具体的需求进行适当的修改和调整。