我当时也遇到过类似的问题。我使用了jaccard_distance_loss和dice_metric。它们都是基于IoU的。我的任务是二进制分割，所以我想如果你想用它来解决多标签分类问题，你可能需要修改代码。
第一个

您可以使用tf.keras.metrics.IoU方法，您可以在以下位置找到它的文档：https://www.tensorflow.org/api_docs/python/tf/keras/metrics/IoU
此处显示了如何使用它：

import tensorflow as tf

y_true = [0, 1]
y_pred = [0.5, 1.0]  # they must be the same shape

# target_class_ids indicates the class/classes you want to calculate IoU on
loss = tf.keras.metrics.IoU(num_classes=2, target_class_ids=[1])
loss.update_state(y_true, y_pred)
print(loss.result().numpy())

正如您在文档中所看到的，IoU的计算公式为：
true_positives / (true_positives + false_positives + false_negatives)个