yolov3でmAPを表示したい

前提・実現したいこと

リンク内容
上記の記事を参考に、githubのリンク内容をクローンしてkeras-yolo3による独自学習がうまくいきました。
そこで、今の設定では下の写真のようにlossとvalue-lossだけしか表示できませんが、それだけでなくmAPも表示させ、グラフを作成したいです。

調べてところ、こちらの　リンク内容　によると、下記コードをtrain.pyに加えればmAPを表示できるようです。

python
1import keras.backend as K
2
3def mean_pred(y_true, y_pred):
4    return K.mean(y_pred)
5
6model.compile(optimizer='rmsprop',
7              loss='binary_crossentropy',
8              metrics=['accuracy', mean_pred])

そこで、train.pyに上記def mean_pred(~ の2行を加え、train.pyの下記コードを

python
1        model.compile(optimizer=Adam(lr=1e-3), loss={
2            # use custom yolo_loss Lambda layer.
3            'yolo_loss': lambda y_true, y_pred: y_pred})

こちら↓に書き換えて実行しました。lossなどは表示されませんが、ひとまずmAPをだすのを優先しました。

python
1model.compile(optimizer='rmsprop',
2              loss='binary_crossentropy',
3              metrics=['accuracy', mean_pred])

しかしうまくいかず、下記のエラーが発生しました。コードを挿入する位置を他にもずらしてやってみましたが、うまくいかず躓いています。
train.pyをどう改変すれば、当初の予定通りにmAPを出し、グラフを描けるでしょうか。

発生している問題・エラーメッセージ

  File "C:\Users\Anaconda3\envs\sleep\lib\site-packages\tensorflow\python\ops\nn_impl.py", line 166, in sigmoid_cross_entropy_with_logits
    (logits.get_shape(), labels.get_shape()))
ValueError: logits and labels must have the same shape (() vs (?, ?))

該当のソースコード

　　　　　train.py全体のコードはこちらの　リンク内容　を使っています

python
1
2手を加えたtrain.pyを実行
3
4"""
5Retrain the YOLO model for your own dataset.
6"""
7
8import numpy as np
9import keras.backend as K
10from keras.layers import Input, Lambda
11from keras.models import Model
12from keras.optimizers import Adam
13from keras.callbacks import TensorBoard, ModelCheckpoint, ReduceLROnPlateau, EarlyStopping
14from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
15from yolo3.utils import get_random_data
16import sys
17
18
19
20#改変した箇所➀　　下記2行を加えました
21def mean_pred(y_true, y_pred):
22    return K.mean(y_pred)
23
24def _main():
25    annotation_path = 'model_data/2007_train.txt'
26    log_dir = 'logs/000/'
27    classes_path = 'model_data/voc_classes.txt'
28    anchors_path = 'model_data/yolo_anchors.txt'
29    class_names = get_classes(classes_path)
30    num_classes = len(class_names)
31    anchors = get_anchors(anchors_path)
32
33    input_shape = (320,320) # multiple of 32, hw
34    if len(sys.argv) > 1:
35        input_shape = (int(sys.argv[1]),int(sys.argv[1]))
36
37    is_tiny_version = len(anchors)==6 # default setting
38    if is_tiny_version:
39        model = create_tiny_model(input_shape, anchors, num_classes,
40            freeze_body=2, weights_path='model_data/tiny_yolo_weights.h5')
41    else:
42        model = create_model(input_shape, anchors, num_classes,
43            freeze_body=2, weights_path='model_data/yolo_weights.h5') # make sure you know what you freeze
44
45    logging = TensorBoard(log_dir=log_dir)
46    checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5',
47        monitor='val_loss', save_weights_only=True, save_best_only=True, period=3)
48    reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=3, verbose=1)
49    early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=1)
50
51    val_split = 0.1
52    with open(annotation_path) as f:
53        lines = f.readlines()
54    np.random.seed(10101)
55    np.random.shuffle(lines)
56    np.random.seed(None)
57    num_val = int(len(lines)*val_split)
58    num_train = len(lines) - num_val
59
60    # Train with frozen layers first, to get a stable loss.
61    # Adjust num epochs to your dataset. This step is enough to obtain a not bad model.
62    if True:
63
64　　#改変した箇所➁　model.compile()の中身を書き換えました
65        model.compile(optimizer='rmsprop', 
66                      loss='binary_crossentropy',
67                      metrics=['accuracy', mean_pred])
68
69
70        batch_size = 32
71        if len(sys.argv) > 2:
72            batch_size = int(sys.argv[2])
73
74        print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
75        model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),
76                steps_per_epoch=max(1, num_train//batch_size),
77                validation_data=data_generator_wrapper(lines[num_train:], batch_size, input_shape, anchors, num_classes),
78                validation_steps=max(1, num_val//batch_size),
79                epochs=50,
80                initial_epoch=0,
81                callbacks=[logging, checkpoint])
82        model.save_weights(log_dir + 'trained_weights_stage_1.h5')
83
84    # Unfreeze and continue training, to fine-tune.
85    # Train longer if the result is not good.
86    if True:
87        for i in range(len(model.layers)):
88            model.layers[i].trainable = True
89
90        #改変した箇所➂　model.compile()の中身を書き換えました
91        model.compile(optimizer='rmsprop', 
92                      loss='binary_crossentropy',
93                      metrics=['accuracy', mean_pred]) # recompile to apply the change
94
95#以下略
96 
97