TensorFlow2.0: keras.metrics的使用

最新推荐文章于 2024-03-25 20:53:06 发布

梅文化_2019

最新推荐文章于 2024-03-25 20:53:06 发布

阅读量7.8k

点赞数 3

分类专栏： tensorflow2.0

本文链接：https://blog.csdn.net/meijie2018_1/article/details/100699706

版权

本文介绍了如何在TensorFlow2.0中利用Keras.metrics的Accuracy和Mean函数来简化模型的准确率和损失值计算。通过详细步骤，包括建立测量尺、更新数据和获取数据清除缓冲区，以mnist数据集为例进行实战演示。

摘要由CSDN通过智能技术生成

keras.metrics中有两个api函数可以简化准确率acc和损失值loss的计算。其分别是metrics.Accuracy( )和metrics.Mean( )。
一、建立测量尺

#建立测量尺
acc_meter = metrics.Accuracy()
loss_meter = metrics.Mean()

二、更新数据

loss_meter.update_state(loss)
acc_meter.update_state(y,pred)

三、获取数据并清除buffer

print('epoch:',epoch,' step:',step,' loss:',loss_meter.result().numpy())
loss_meter.reset_states()

print('epoch:',epoch,' acc:',acc_meter.result().numpy())
acc_meter.reset_states()

以mnist数据集训练为例：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers,optimizers,metrics,datasets,Sequential
import datetime
import io

#建立监听例子
current_time = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
log_dir = 'logs/' + current_time
summary_write