tf.keras.metrics.SparseTopKCategoricalAccuracy
| Просмотреть исходный код на GitHub |
Вычисляет, насколько часто целочисленные целевые значения попадают в K самых высоких прогнозов.
Наследуется от: MeanMetricWrapper, Mean, Metric, Layer, Module
tf.keras.metrics.SparseTopKCategoricalAccuracy(
k=5, name='sparse_top_k_categorical_accuracy', dtype=None
)
| Аргументы | |
|---|---|
k | (Необязательно) Количество верхних элементов для анализа точности. По умолчанию равно 5. |
name | (Необязательно) Имя метрики. |
dtype | (Необязательно) Тип данных результата метрики. |
Использование в отдельном режиме:
m = tf.keras.metrics.SparseTopKCategoricalAccuracy(k=1) m.update_state([2, 1], [[0.1, 0.9, 0.8], [0.05, 0.95, 0]]) m.result().numpy() 0.5
m.reset_state()
m.update_state([2, 1], [[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.SparseTopKCategoricalAccuracy()])
Методы
merge_state
merge_state(
metrics
)
Объединяет состояние из одной или нескольких метрик.
Этот метод может использоваться распределенными системами для объединения состояния, вычисленного различными экземплярами метрик. Как правило, состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит список двух значений весов: общее и количество. Если были два экземпляра tf.keras.metrics.Accuracy, которые каждый независимо агрегировали частичное состояние для расчета 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 объект метрик. Метрики должны иметь совместимое состояние. |
| Исключения | |
|---|---|
ValueError | Если предоставленный итерируемый объект не содержит метрики, соответствующие требованиям 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, используя переменные состояния.
| Возвращает | |
|---|---|
| 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 различны.
| Аргументы | |
|---|---|
y_true | Значения меток целевых значений. форма = [batch_size, d0, .. dN-1] или форма = [batch_size, d0, .. dN-1, 1]. |
y_pred | Значения предсказанных вероятностей. форма = [batch_size, d0, .. dN]. |
sample_weight | Необязательный sample_weight выступает в качестве коэффициента для метрики. Если предоставлен скаляр, метрика просто масштабируется заданным значением. Если sample_weight — это тензор размера [batch_size], то метрика для каждого образца пакета масштабируется соответствующим элементом вектора sample_weight. Если форма sample_weight имеет форму [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)). |
| Возвращает | |
|---|---|
| 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/SparseTopKCategoricalAccuracy