tf.compat.v1.metrics.accuracy

Вычисляет, как часто predictions совпадает с labels.

tf.compat.v1.metrics.accuracy(
    labels,
    predictions,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

tf.compat.v1.metrics.accuracy несовместима с eager execution или tf.function. Для перехода на TF2 используйте вместо неё tf.keras.metrics.Accuracy. Создав объект tf.keras.metrics.Accuracy, сначала вызовите метод update_state(), чтобы записать предсказания и метки, а затем вызовите метод result(), чтобы получить точность в eager-режиме. Вы также можете добавить его в модель Keras при вызове метода compile. Дополнительные сведения см. в этом руководстве.

Структурное сопоставление с нативным TF2

До:

accuracy, update_op = tf.compat.v1.metrics.accuracy(
  labels=labels,
  predictions=predictions,
  weights=weights,
  metrics_collections=metrics_collections,
  update_collections=update_collections,
  name=name)

После:

m = tf.keras.metrics.Accuracy(
  name=name,
  dtype=None)

m.update_state(
y_true=labels,
y_pred=predictions,
sample_weight=weights)

accuracy = m.result()

Сопоставление аргументов

Пример использования до и после перехода

До:

g = tf.Graph()
with g.as_default():
  logits = [1, 2, 3]
  labels = [0, 2, 3]
  acc, acc_op = tf.compat.v1.metrics.accuracy(logits, labels)
  global_init = tf.compat.v1.global_variables_initializer()
  local_init = tf.compat.v1.local_variables_initializer()
sess = tf.compat.v1.Session(graph=g)
sess.run([global_init, local_init])
print(sess.run([acc, acc_op]))
[0.0, 0.66667]

После:

m = tf.keras.metrics.Accuracy()
m.update_state([1, 2, 3], [0, 2, 3])
m.result().numpy()
0.66667

# Used within Keras model
model.compile(optimizer='sgd',
              loss='mse',
              metrics=[tf.keras.metrics.Accuracy()])

Описание

Используется в блокнотах

Функция accuracy создает две локальные переменные, total и count, которые используются для вычисления частоты совпадения predictions с labels. В результате эта частота возвращается как accuracy: идемпотентная операция, которая просто делит total на count.

Для оценки метрики на потоке данных функция создает операцию update_op, которая обновляет эти переменные и возвращает accuracy. Внутри операция is_correct вычисляет Tensor, содержащий значения 1.0 там, где соответствующие элементы predictions и labels совпадают, и 0.0 в остальных случаях. Затем update_op увеличивает total на приведенную сумму произведений weights и is_correct, а также увеличивает count на приведенную сумму weights.

Если weights имеет значение None, веса по умолчанию равны 1. Чтобы маскировать значения, используйте веса 0.