tf.keras.metrics.CategoricalAccuracy

Вычисляет, насколько часто прогнозы совпадают с метками one-hot.

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

Вы можете предоставить логарифмы классов как y_pred, так как argmax логарифмов и вероятностей одинаковы.

Эта метрика 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 categorical accuracy: идемпотентная операция, которая просто делит total на count.

y_pred и y_true должны передаваться как векторы вероятностей, а не как метки. При необходимости используйте tf.one_hot, чтобы расширить y_true как вектор.

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

Использование автономно:

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]])
m.result().numpy()
0.5

m.reset_states()
m.update_state([[0, 0, 1], [0, 1, 0]], [[0.1, 0.9, 0.8],
                [0.05, 0.95, 0]],
               sample_weight=[0.7, 0.3])
m.result().numpy()
0.3

Использование с API compile():

model.compile(
  optimizer='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 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.