Spec-Zone.ru › TensorFlow

tf.keras.metrics.SparseCategoricalAccuracy

Вычисляет частоту совпадения предсказаний с целочисленными метками.

Наследуется от: MeanMetricWrapper, Mean, Metric

tf.keras.metrics.SparseCategoricalAccuracy(
    name='sparse_categorical_accuracy', dtype=None
)

Используется в ноутбуках

Используется в руководстве Используется в учебных пособиях
  • Миграция ранней остановки
  • Эффективный TensorFlow 2
  • Смешанная точность
  • Использование TPUs
  • Обучение с несколькими GPU и распределенное обучение
  • Настраиваемое обучение с tf.distribute.Strategy
  • Масштабируемое сжатие модели
  • Использование DTensors с Keras
  • Быстрый старт TensorFlow 2 для экспертов
  • Настраиваемое обучение: пошаговое руководство
acc = np.dot(sample_weight, np.equal(y_true, np.argmax(y_pred, axis=1))

Вы можете предоставить логарифмы классов как y_pred, так как argmax логарифмов и вероятностей совпадают.

Эта метрика создаёт две локальные переменные, total и count, которые используются для вычисления частоты, с которой y_pred совпадает с y_true. Эта частота в конечном итоге возвращается как sparse categorical accuracy: идемпотентная операция, которая просто делит total на count.

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

Аргументы
name (Необязательно) строковое имя экземпляра метрики.
dtype (Необязательно) тип данных результата метрики.

Пример:

m = keras.metrics.SparseCategoricalAccuracy()
m.update_state([[2], [1]], [[0.1, 0.6, 0.3], [0.05, 0.95, 0]])
m.result()
0.5
m.reset_state()
m.update_state([[2], [1]], [[0.1, 0.6, 0.3], [0.05, 0.95, 0]],
               sample_weight=[0.7, 0.3])
m.result()
0.3

Использование с API compile():

model.compile(optimizer='sgd',
              loss='sparse_categorical_crossentropy',
              metrics=[keras.metrics.SparseCategoricalAccuracy()])
Атрибуты
dtype
variables

Методы

add_variable

Посмотреть исходный код

add_variable(
    shape, initializer, dtype=None, aggregation='sum', name=None
)

add_weight

Посмотреть исходный код

add_weight(
    shape=(), initializer=None, dtype=None, name=None
)

from_config

Посмотреть исходный код

@classmethod
from_config(
    config
)

get_config

Посмотреть исходный код

get_config()

Возвращает сериализуемую конфигурацию метрики.

reset_state

Посмотреть исходный код

reset_state()

Сбрасывает все переменные состояния метрики.

Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.

result

Посмотреть исходный код

result()

Вычисляет текущее значение метрики.

Возвращает
Скалярный тензор или словарь скалярных тензоров.

stateless_reset_state

Посмотреть исходный код

stateless_reset_state()

stateless_result

Посмотреть исходный код

stateless_result(
    metric_variables
)

stateless_update_state

Посмотреть исходный код

stateless_update_state(
    metric_variables, *args, **kwargs
)

update_state

Посмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику для метрики.

__call__

Посмотреть исходный код

__call__(
    *args, **kwargs
)

Вызов себя как функции.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/SparseCategoricalAccuracy

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API