Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tf.keras.metrics.Metric

TensorFlow 1 versi Lihat sumber di GitHub

Merangkum metrik logika dan negara.

Mewarisi Dari: Layer

name (Opsional) nama string metrik misalnya.
dtype (Opsional) tipe data dari hasil metrik.
**kwargs lapisan tambahan kata kunci argumen.

penggunaan mandiri:

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

Penggunaan dengan 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)
 

Harus dilaksanakan oleh subclass:

  • __init__() : Semua variabel negara harus dibuat dalam metode ini dengan memanggil self.add_weight() seperti: self.var = self.add_weight(...)
  • update_state() : Memiliki semua pembaruan variabel negara seperti: self.var.assign_add (...).
  • result() : Menghitung dan kembali nilai untuk metrik dari variabel negara.

Contoh subclass implementasi:

 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
 

metode

add_weight

Lihat sumber

variabel negara Menambahkan. Hanya untuk digunakan oleh subclass.

reset_states

Lihat sumber

Menyetel ulang semua variabel negara metrik.

Fungsi ini disebut antara zaman / langkah, ketika metrik dievaluasi selama pelatihan.

result

Lihat sumber

Menghitung dan kembali nilai metrik tensor.

Hasil perhitungan adalah operasi idempoten yang hanya menghitung nilai metrik menggunakan variabel negara.

update_state

Lihat sumber

Terakumulasi statistik untuk metrik.

args
*args

**kwargs Sebuah mini-batch input ke Metric.