หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

tf.keras.metrics.CategoricalAccuracy

TensorFlow 1 รุ่น ดูโค้ดบน GitHub

คำนวณความถี่ที่คาดการณ์ตรงกับป้ายหนึ่งร้อน

ที่ใช้ในโน๊ตบุ๊ค

ที่ใช้ในคู่มือ

คุณสามารถให้ logits ของการเรียนเป็น y_pred ตั้งแต่ argmax ของ logits และความน่าจะเป็นเหมือนกัน

ตัวชี้วัดนี้จะสร้างสองตัวแปรท้องถิ่น total และ count ที่ใช้ในการคำนวณความถี่ที่ y_pred ไม้ขีดไฟ y_true ความถี่นี้จะถูกส่งกลับในท้ายที่สุดเป็น categorical accuracy : การดำเนิน idempotent ที่เพียงแค่แบ่ง total โดย count

y_pred และ y_true ควรจะผ่านการเป็นพาหะของความน่าจะมากกว่าที่จะเป็นป้ายชื่อ หากจำเป็นต้องใช้ tf.one_hot เพื่อขยาย y_true เป็นเวกเตอร์

หาก sample_weight คือ None น้ำหนักที่จะเริ่มต้น 1. ใช้ sample_weight 0 ถึงหน้ากากค่า

name (อุปกรณ์เสริม) ชื่อสตริงของอินสแตนซ์เมตริก
dtype (อุปกรณ์เสริม) ชนิดข้อมูลของผลตัวชี้วัด

การใช้งานแบบสแตนด์อโลน:

m = tf.keras.metrics.CategoricalAccuracy()
m.update_state([[0, 0, 1], [0, 1, 0]], [[0.1, 0.9, 0.8],
                [0.05, 0.95, 0]])
m.result().numpy()
0.5
m.reset_states()
m.update_state([[0, 0, 1], [0, 1, 0]], [[0.1, 0.9, 0.8],
                [0.05, 0.95, 0]],
               sample_weight=[0.7, 0.3])
m.result().numpy()
0.3

การใช้งานที่มีการ compile() API:

 model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.CategoricalAccuracy()])
 

วิธีการ

reset_states

ดูแหล่งที่มา

รีเซ็ตทั้งหมดของรัฐตัวแปรตัวชี้วัด

ฟังก์ชั่นนี้จะเรียกว่าระหว่าง epochs / ขั้นตอนเมื่อมีตัวชี้วัดการประเมินระหว่างการฝึกอบรม

result

ดูแหล่งที่มา

คำนวณและผลตอบแทนที่คุ้มค่าเมตริกซ์เมตริก

ผลการคำนวณเป็นงาน idempotent ที่เพียงคำนวณค่าตัวชี้วัดการใช้ตัวแปรรัฐ

update_state

ดูแหล่งที่มา

สะสมสถิติเมตริก

y_true และ y_pred ควรจะมีรูปร่างเหมือนกัน

args
y_true ค่าความจริงพื้นดิน รูปร่าง = [batch_size, d0, .. dN]
y_pred ค่าที่คาดการณ์ไว้ รูปร่าง = [batch_size, d0, .. dN]
sample_weight ตัวเลือก sample_weight ทำหน้าที่เป็นค่าสัมประสิทธิ์สำหรับตัวชี้วัด ถ้าเกลาให้บริการแล้วเมตริกที่มีการปรับสัดส่วนเพียงโดยค่าที่กำหนด หาก sample_weight เป็นเมตริกซ์ขนาด [batch_size] แล้วตัวชี้วัดสำหรับตัวอย่างของชุดแต่ละ rescaled โดยองค์ประกอบที่สอดค