tf.keras.metrics.CategoricalAccuracy

Вычисляет частоту совпадения предсказаний с метками.

tf.keras.metrics.CategoricalAccuracy(
    name='categorical_accuracy', dtype=None
)

Например, если y_true равно [[0, 0, 1], [0, 1, 0]] и y_pred равно [[0.1, 0.9, 0.8], [0.05, 0.95, 0]] то точность категорий равна 1/2 или 0,5. Если веса указаны как [0.7, 0.3], то точность категорий будет 0,3. Вы можете предоставить логиты классов в качестве y_pred, так как argmax логитов и вероятностей совпадают.

Этот метрический показатель создаёт две локальные переменные, total и count, которые используются для вычисления частоты совпадения y_pred с y_true. В конечном итоге эта частота возвращается как categorical accuracy: идемпотентная операция, которая просто делит total на count.

y_pred и y_true должны передаваться как векторы вероятностей, а не в виде меток. При необходимости используйте tf.one_hot, чтобы преобразовать y_true в вектор.

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

Использование:

m = tf.keras.metrics.CategoricalAccuracy()
m.update_state([[0, 0, 1], [0, 1, 0]], [[0.1, 0.9, 0.8], [0.05, 0.95, 0]])
print('Final result: ', m.result().numpy())  # Final result: 0.5

Использование с API tf.keras:

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

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 помощью переменных состояния.

update_state

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистические данные метрики.

y_true и y_pred должны иметь одинаковую форму.