多标签文本分类中，准确率的计算方法如何自定义？

model.compile('adam', 'binary_crossentropy', metrics=['accuracy'])
```多标签文本分类中，准确率的计算方法如何自定义？
比如y_true = [1,1,0,0,0,0,0,0,0,0] ,而y_pred=[0,0,0,0,0,0,0,0,0,0]即10个标签全预测为0，这时的准确率acc = 0.8

而我的需求是：当y_pred中的任何一位与y_true完全吻合则acc=1,否则acc=0.

binary_crossentropy交叉熵的准确率是一个概率。按照你说的，可以对输出的结果集，再计算一次。

    def test_metric(y_true, y_pred):
        y_pred = K.round(y_pred)
        y_true, y_pred = np.array(y_true), np.array(y_pred)
        acc = 1 - (y_true != y_pred).any()
        return K.cast(acc,K.floatx())