tf.keras.metrics.MeanMetricWrapper
Оборачивает функцию метрики без состояния с помощью метрики Mean.
Наследуется от: Mean, Metric, Layer, Module
tf.keras.metrics.MeanMetricWrapper(
fn, name=None, dtype=None, **kwargs
)
Вы можете использовать этот класс для быстрого построения метрики среднего значения из функции. Функция должна иметь сигнатуру fn(y_true, y_pred) и возвращать массив потерь на образец. MeanMetricWrapper.result() вернёт среднее значение метрики по всем образцам, которые были встречены до сих пор.
Например:
def accuracy(y_true, y_pred): return tf.cast(tf.math.equal(y_true, y_pred), tf.float32) accuracy_metric = tf.keras.metrics.MeanMetricWrapper(fn=accuracy) keras_model.compile(..., metrics=accuracy_metric)
| Аргументы | |
|---|---|
fn | Функция метрики для оборачивания, с сигнатурой fn(y_true, y_pred, **kwargs). |
name | (Необязательно) строковое имя экземпляра метрики. |
dtype | (Необязательно) тип данных результата метрики. |
**kwargs | Ключевые аргументы для передачи в fn. |
Методы
merge_state
merge_state(
metrics
)
Объединяет состояние из одной или нескольких метрик.
Этот метод может использоваться распределёнными системами для объединения состояния, вычисленного различными экземплярами метрик. Как правило, состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит список из двух значений весов: общей суммы и количества. Если есть два экземпляра tf.keras.metrics.Accuracy, каждый из которых независимо агрегирует частичное состояние для вычисления общей точности, то состояние 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 объект метрик. Метрики должны иметь совместимое состояние. |
| Исключения | |
|---|---|
ValueError | Если предоставленный итерируемый объект не содержит метрики, соответствующие требуемым характеристикам метрики. |
reset_state
reset_state()
Сбрасывает все переменные состояния метрики.
Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.
result
result()
Вычисляет и возвращает скалярное значение метрики или словарь скаляров.
Вычисление результата — это идемпотентная операция, которая просто вычисляет значение метрики с использованием переменных состояния.
| Возвращаемое значение | |
|---|---|
| Скалярный тензор или словарь скалярных тензоров. |
update_state
update_state(
y_true, y_pred, sample_weight=None
)
Накапливает статистику метрики.
Для разреженных категориальных метрик формы y_true и y_pred различаются.
| Аргументы | |
|---|---|
y_true | Значения меток истинного значения. Формат = [batch_size, d0, .. dN-1] или формат = [batch_size, d0, .. dN-1, 1]. |
y_pred | Значения предсказанных вероятностей. Формат = [batch_size, d0, .. dN]. |
sample_weight | Необязательные sample_weight выступают в качестве коэффициента для метрики. Если задано скалярное значение, метрика просто масштабируется на данное значение. Если sample_weight является тензором размером [batch_size], то метрика для каждого образца пакета масштабируется соответствующим элементом в векторе sample_weight. Если форма sample_weight равна [batch_size, d0, .. dN-1] (или может быть расширена до этой формы), то каждый элемент метрики y_pred масштабируется соответствующим значением sample_weight. (Примечание по dN-1: все функции метрики уменьшают размерность на 1, обычно последнюю ось (-1)). |
| Возвращаемое значение | |
|---|---|
| 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/MeanMetricWrapper