tf.keras.metrics.Accuracy

Вычисляет частоту совпадения предсказаний с метками.

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

Например, если y_true равно [1, 2, 3, 4], а y_pred равно [0, 2, 3, 4], то точность составляет 3/4 или 0,75. Если веса заданы как [1, 1, 0, 0], то точность будет 1/2 или 0,5.

Этот метрический показатель создаёт две локальные переменные, total и count, которые используются для вычисления частоты, с которой y_pred соответствует y_true. Эта частота в конечном итоге возвращается как binary accuracy: идемпотентная операция, которая просто делит total на count.

Если sample_weight равно None, веса по умолчанию равны 1. Используйте значения sample_weight равные 0, чтобы замаскировать значения.

Использование:

m = tf.keras.metrics.Accuracy()
m.update_state([1, 2, 3, 4], [0, 2, 3, 4])
print('Final result: ', m.result().numpy())  # Final result: 0.75

Использование с API tf.keras:

model = tf.keras.Model(inputs, outputs)
model.compile('sgd', loss='mse', metrics=[tf.keras.metrics.Accuracy()])

Методы

reset_states

Просмотреть исходный код

reset_states()

Сбрасывает все переменные состояния метрики.

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

result

Просмотреть исходный код

result()

Вычисляет и возвращает тензор значения метрики.

Вычисление результата — это идемпотентная операция, которая просто вычисляет значение метрики с использованием переменных состояния.

update_state

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику метрики.

y_true и y_pred должны иметь одинаковую форму.