此页面由 Cloud Translation API 翻译。
Switch to English

tf.keras.metrics.Metric

TensorFlow 1版 GitHub上查看源代码

封装度量逻辑和状态。

继承: Layer

name 度量实例(可选)字符串名称。
dtype 度量结果(可选)的数据类型。
**kwargs 附加层关键字参数。

独立使用:

 m = SomeMetric(...)
for input in ...:
  m.update_state(input)
print('Final result: ', m.result().numpy())
 

与使用compile() API:

 model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(64, activation='relu'))
model.add(tf.keras.layers.Dense(64, activation='relu'))
model.add(tf.keras.layers.Dense(10, activation='softmax'))

model.compile(optimizer=tf.keras.optimizers.RMSprop(0.01),
              loss=tf.keras.losses.CategoricalCrossentropy(),
              metrics=[tf.keras.metrics.CategoricalAccuracy()])

data = np.random.random((1000, 32))
labels = np.random.random((1000, 10))

dataset = tf.data.Dataset.from_tensor_slices((data, labels))
dataset = dataset.batch(32)

model.fit(dataset, epochs=10)
 

由子类来实现:

  • __init__()所有的状态变量应在此方法通过调用创建self.add_weight()如: self.var = self.add_weight(...)
  • update_state()拥有所有的更新,如状态变量:self.var.assign_add(...)。
  • result()计算并返回用于从所述状态变量的度量的值。

举例子类实现:

 class BinaryTruePositives(tf.keras.metrics.Metric):

  def __init__(self, name='binary_true_positives', **kwargs):
    super(BinaryTruePositives, self).__init__(name=name, **kwargs)
    self.true_positives = self.add_weight(name='tp', initializer='zeros')

  def update_state(self, y_true, y_pred, sample_weight=None):
    y_true = tf.cast(y_true, tf.bool)
    y_pred = tf.cast(y_pred, tf.bool)

    values = tf.logical_and(tf.equal(y_true, True), tf.equal(y_pred, True))
    values = tf.cast(values, self.dtype)
    if sample_weight is not None:
      sample_weight = tf.cast(sample_weight, self.dtype)
      sample_weight = tf.broadcast_to(sample_weight, values.shape)
      values = tf.multiply(values, sample_weight)
    self.true_positives.assign_add(tf.reduce_sum(values))

  def result(self):
    return self.true_positives
 

方法

add_weight

查看源代码

再添状态变量。只有供子类使用。

reset_states

查看源代码

复位所有指标状态变量。

该功能被称为历元/步骤之间,当量度训练期间被评估。

result

查看源代码

计算并返回度量值张量。

计算结果是一个幂等操作,简单地计算出使用状态变量的度量值。

update_state

查看源代码

积累了指标统计。

ARGS
*args

**kwargs 一个微型批次的输入来度量。