kerasにおけるmetricsについて

現在，深層学習について勉強しており，学習時にAccuracyの他にPrecisionやRecall，F-measureについて表示させたいと思っております．
現在扱っているのはマルチラベル分類問題であり，300個のクラスに対して適合するものに1を立て，そうでないものには0を立てるような出力を期待しています．
y_true.shapeは[3395,300]です．
3395は各データであり，300はそのデータに対するラベルになります．

def P(y_true, y_pred):
    true_positives = K.sum(K.cast(K.greater(K.clip(y_true * y_pred, 0, 1), 0.2), 'float32'), axis=0)
    pred_positives = K.sum(K.cast(K.greater(K.clip(y_pred, 0, 1), 0.2), 'float32'), axis=0)

    precision = K.mean(true_positives / (pred_positives + K.epsilon()) )
    return precision

#ミニバッチ単位でのrecallの平均
def R(y_true, y_pred):
    true_positives = K.sum(K.cast(K.greater(K.clip(y_true * y_pred, 0, 1), 0.2), 'float32'), axis=0)
    poss_positives = K.sum(K.cast(K.greater(K.clip(y_true, 0, 1), 0.2), 'float32'), axis=0)

    recall = K.mean(true_positives / (poss_positives + K.epsilon()))
    return recall

#ミニバッチ単位でのf-measureの平均
def F(y_true, y_pred):
    p_val = P(y_true, y_pred)
    r_val = R(y_true, y_pred)
    f_val = 2*p_val*r_val / (p_val + r_val)
    return f_val

現在自作した関数はこのようになっておりますが，Accuracyは1.000なのに，PrecisionとRecallは0.01程度が表示されており，実際には考えにくい状態になっております．
どの部分で間違えているか，教えていただけますと幸いです．
よろしくお願い致します．