tf.contrib.metrics.streaming_sparse_average_precision_at_top_k

Вычисляет среднюю точность@k предсказаний относительно разреженных меток.

tf.contrib.metrics.streaming_sparse_average_precision_at_top_k(
    top_k_predictions, labels, weights=None, metrics_collections=None,
    updates_collections=None, name=None
)

streaming_sparse_average_precision_at_top_k создаёт две локальные переменные, average_precision_at_<k>/total и average_precision_at_<k>/max, которые используются для вычисления частоты. Эта частота в конечном итоге возвращается как average_precision_at_<k>: идемпотентная операция, которая просто делит average_precision_at_<k>/total на average_precision_at_<k>/max.

Для оценки метрики по потоку данных функция создаёт операцию update_op , которая обновляет эти переменные и возвращает precision_at_<k>. Операции над множествами, применённые к top_k и labels, вычисляют истинные положительные и ложные положительные значения, взвешенные по weights. Затем update_op увеличивает true_positive_at_<k> и false_positive_at_<k> с использованием этих значений.

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

Аргументы
`top_k_predictions`	Целочисленный `Tensor` с формой [D1, ... DN, k], где N >= 1. Обычно N=1 и `predictions_idx` имеет форму [размер пакета, k]. Последнее измерение должно быть задано и содержит индексы k лучших предсказанных классов. [D1, ... DN] должно совпадать с `labels`. Значения должны быть в диапазоне [0, num_classes).
`labels`	`int64` `Tensor` или `SparseTensor` с формой [D1, ... DN, num_labels] или [D1, ... DN], где последнее подразумевает num_labels=1. N >= 1, и num_labels — это количество целевых классов для соответствующего предсказания. Обычно N=1 и `labels` имеет форму [размер_пакета, num_labels]. [D1, ... DN] должно совпадать с `top_k_predictions`. Значения должны быть в диапазоне [0, num_classes).
`weights`	`Tensor` , чья размерность равна либо 0, либо n-1, где n — размерность `labels`. Если второе, то он должен быть совместим с `labels` (то есть все измерения должны быть либо `1`, либо такими же, как соответствующее измерение `labels`).
`metrics_collections`	Необязательный список коллекций, в которые должны быть добавлены значения.
`updates_collections`	Необязательный список коллекций, в которые должны быть добавлены обновления.
`name`	Имя новой операции обновления и пространство имён для других зависимых операций.

Возвращаемое значение
`mean_average_precision`	Скаляр `float64` `Tensor` со средними значениями средней точности.
`update`	Операция `Operation` , которая должным образом увеличивает переменные и значение которой соответствует `metric`.

Исключения
`ValueError`	если последнее измерение top_k_predictions не задано.

© 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/metrics/streaming_sparse_average_precision_at_top_k