tf.keras.metrics.Mean

Вычисляет (взвешенное) среднее значение заданных значений.

tf.keras.metrics.Mean(
    name='mean', dtype=None
)

Например, если значения равны [1, 3, 5, 7], то среднее значение равно 4. Если веса указаны как [1, 1, 0, 0], то среднее значение будет 2.

Этот метрический показатель создаёт две переменные, total и count, которые используются для вычисления среднего значения values. Это среднее значение в конечном итоге возвращается как mean, что является идемпотентной операцией, которая просто делит total на count.

Если sample_weight является None, веса по умолчанию равны 1. Используйте веса со значением 0, чтобы маскировать значения.

Использование:

m = tf.keras.metrics.Mean()
m.update_state([1, 3, 5, 7])
print('Final result: ', m.result().numpy())  # Final result: 4.0

Использование с API tf.keras:

model = tf.keras.Model(inputs, outputs)
model.add_metric(tf.keras.metrics.Mean(name='mean_1')(outputs))
model.compile('sgd', loss='mse')

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, используя переменные состояния.

update_state

Просмотреть исходный код

update_state(
    values, sample_weight=None
)

Накапливает статистику для вычисления метрики уменьшения.

Например, если values равно [1, 3, 5, 7] и уменьшение равно SUM_OVER_BATCH_SIZE, то значение result() равно 4. Если sample_weight указано как [1, 1, 0, 0], то значение result() будет 2.