tf.keras.metrics.CategoricalAccuracy

Вычисляет частоту совпадения предсказаний с метками в формате one-hot.

Наследуется от: MeanMetricWrapper, Mean, Metric, Layer, Module

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

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

Этот метрический показатель создаёт две локальные переменные, total и count, которые используются для вычисления частоты, с которой y_pred совпадает с 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 для расширения y_true как вектора.

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

Использование автономного метрического показателя:

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_state()
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

merge_state

Просмотреть исходный код

merge_state(
    metrics
)

Объединяет состояние из одной или нескольких метрик.

Этот метод может использоваться распределёнными системами для объединения состояния, вычисленного различными экземплярами метрик. Обычно состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит список из двух значений весов: общей суммы и счётчика. Если бы существовало два экземпляра tf.keras.metrics.Accuracy, каждый из которых независимо агрегировал частичное состояние для расчёта общей точности, состояния этих двух метрик можно было бы объединить следующим образом:

m1 = tf.keras.metrics.Accuracy()
_ = m1.update_state([[1], [2]], [[0], [2]])

m2 = tf.keras.metrics.Accuracy()
_ = m2.update_state([[3], [4]], [[3], [4]])

m2.merge_state([m1])
m2.result().numpy()
0.75

reset_state

Просмотреть исходный код

reset_state()

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 скалярное тензорное значение метрики или словарь скаляров.

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.

Для метрик с разреженной категорией формы y_true и y_pred различны.