tf.compat.v1.metrics.accuracy

Вычисляет частоту совпадения predictions с labels.

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

tf.compat.v1.metrics.accuracy несовместим с немедленным выполнением или tf.function. Для миграции на TF2 используйте tf.keras.metrics.Accuracy вместо этого. После создания объекта tf.keras.metrics.Accuracy, вы можете сначала вызвать метод update_state() для записи предсказания/меток, а затем вызвать метод result() для получения точности в режиме немедленного выполнения. Вы также можете прикрепить его к модели Keras, вызывая метод compile. Для получения более подробной информации обратитесь к этому руководству.

Структурное соответствие для родного 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()

Как сопоставить аргументы

Пример использования до и после

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. Эта частота в конечном итоге возвращается как accuracy: идемпотентная операция, которая просто делит total на count.

Для оценки метрики по потоку данных функция создает операцию update_op, которая обновляет эти переменные и возвращает accuracy. Внутренне, операция is_correct вычисляет Tensor с элементами 1.0, где соответствующие элементы predictions и labels совпадают, и 0.0 в противном случае. Затем update_op увеличивает total на уменьшенную сумму произведения weights и is_correct, а также увеличивает count на уменьшенную сумму weights.

Если weights равно None, веса по умолчанию равны 1. Используйте веса 0 для маскирования значений.