tf.contrib.eager.metrics.SparseAccuracy

Вычисляет, как часто predictions совпадает с labels.

Наследуется от: Mean

tf.contrib.eager.metrics.SparseAccuracy(
    name=None, dtype=tf.dtypes.double
)

Этот класс совместим с tf.keras.losses.sparse_categorical_crossentropy, tf.nn.sparse_softmax_cross_entropy_with_logits, tf.compat.v1.losses.sparse_softmax_cross_entropy.

Атрибуты
`name`	имя объекта точности
`dtype`	тип данных тензора.
`variables`

Методы

`add_variable`

Просмотреть исходный код

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

Только для использования потомками Metric.

`aggregate`

Просмотреть исходный код

aggregate(
    metrics
)

Добавляет состояние из списка метрик.

Реализация по умолчанию суммирует все метрические переменные.

Аргументы
`metrics`	Список метрик того же типа, что и `self`.

Исключения
`ValueError`	Если метрики содержат недействительные данные.

`build`

Просмотреть исходный код

build(
    *args, **kwargs
)

Метод для создания переменных.

Вызывается __call__() перед call() в первый раз.

Аргументы
`*args`
`**kwargs`	Аргументы первого вызова `__call__()`. `build()` может использовать форму и/или тип этих аргументов при принятии решения о создании переменных.

`call`

Просмотреть исходный код

call(
    labels, predictions, weights=None
)

Накапливает статистику точности.

labels и predictions должны иметь одинаковую форму, за исключением того, что прогнозы должны иметь одну дополнительную конечную размерность, равную количеству классов (которые вы хотите предсказать).

Типы меток и прогнозов могут отличаться.

Аргументы
`labels`	Тензор формы (размер_пакета, ) содержащий целые числа
`predictions`	Тензор с логарифмами или вероятностями для каждого примера.
`weights`	Необязательное взвешивание каждого примера. По умолчанию равно 1.

Возвращает
Аргументы для удобного цепного вызова.

`init_variables`

Просмотреть исходный код

init_variables()

Инициализирует переменные этой метрики.

Должен вызываться после создания переменных при первом выполнении __call__(). Если используется выполнение в графике, возвращаемое значение должно быть run() в сеансе перед запуском операции, возвращаемой __call__(). (См. пример выше.)

Возвращает
Если используется выполнение в графике, это возвращает операцию для выполнения инициализации. При выполнении в режиме eager переменные сбрасываются до своих начальных значений как побочный эффект, и эта функция возвращает None.

Возвращает

Если используется выполнение в графике, это возвращает операцию для выполнения инициализации. При выполнении в режиме eager переменные сбрасываются до своих начальных значений как побочный эффект, и эта функция возвращает None.

`result`

Просмотреть исходный код

result(
    write_summary=True
)

Возвращает результат метрики.

Аргументы
`write_summary`	Булево значение, указывающее, нужно ли передать результат в сводку перед возвратом.

Возвращает
Агрегированная метрика в виде числа с плавающей точкой.

Исключения
`ValueError`	если необязательный аргумент не является булевым

`value`

Просмотреть исходный код

value()

В режиме графа возвращает тензор результата, а в режиме eager — вызываемую функцию.

`call`

Просмотреть исходный код

__call__(
    *args, **kwargs
)

Возвращает операцию для выполнения обновления этой метрики для этих входных данных.

Возвращает None, если выполнение в режиме eager включено. Возвращает функцию в режиме графа, если выполнение в режиме графа включено.

Аргументы
`*args`
`**kwargs`	Мини-пакет входных данных для метрики, переданный `call()`.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/eager/metrics/SparseAccuracy