tf.keras.metrics.FalseNegatives

Вычисляет количество ложных отрицательных результатов.

Наследуется от: Metric, Layer, Module

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.metrics.FalseNegatives

tf.keras.metrics.FalseNegatives(
    thresholds=None, name=None, dtype=None
)

Если sample_weight задано, вычисляет сумму весов ложных отрицательных результатов. Эта метрика создаёт одну локальную переменную, accumulator, которая используется для отслеживания количества ложных отрицательных результатов.

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

Аргументы
`thresholds`	(Необязательно) По умолчанию равно 0,5. Числовое значение или список/кортеж чисел с плавающей точкой с пороговыми значениями в диапазоне [0, 1]. Порг сравнивается со значениями прогноза для определения истинного значения прогнозов (т.е., выше порога — `true`, ниже — `false`). Одна метрика генерируется для каждого значения порога.
`name`	(Необязательно) Имя строки экземпляра метрики.
`dtype`	(Необязательно) Тип данных результата метрики.

Использование в автономном режиме:

m = tf.keras.metrics.FalseNegatives()
m.update_state([0, 1, 1, 1], [0, 1, 0, 0])
m.result().numpy()
2.0

m.reset_state()
m.update_state([0, 1, 1, 1], [0, 1, 0, 0], sample_weight=[0, 0, 1, 0])
m.result().numpy()
1.0

Использование с API compile():

model.compile(optimizer='sgd',
              loss='mse',
              metrics=[tf.keras.metrics.FalseNegatives()])

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 метрики. Обычно состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит два значения весов: общее и счёт. Если есть два экземпляра tf.keras.metrics.Accuracy, которые независимо агрегируют частичное состояние для расчёта общей точности, состояния этих двух метрик можно 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

Аргументы
`metrics`	Итерируемый набор метрик. Метрики должны иметь совместимое состояние.

Исключения
`ValueError`	Если предоставленный итерируемый набор не содержит метрики, соответствующие требуемым характеристикам метрики.

`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.

Возвращаемые значения
Скалярный тензор или словарь скалярных тензоров.

`update_state`

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику метрики.

Аргументы
`y_true`	Значения фактических данных.
`y_pred`	Предсказанные значения.
`sample_weight`	Необязательные веса каждого примера. По умолчанию 1. Может быть `Tensor`, ранг которого равен 0 или совпадает с рангом `y_true`, и должен быть транслируемым для `y_true`.

Возвращаемые значения
Операция обновления.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/metrics/FalseNegatives