tf.reduce_mean函数:计算数据的平均值
tf.reduce_mean(
input_tensor,
axis=None,
keep_dims=False,
name=None,
reduction_indices=None
)
sparse_categorical_crossentropy函数:与categorical_crossentropy函数一样都是交叉熵损失函数,如果样本标签是one-hot编码(如[0,1],[1,0]),则用categorical_crossentropy函数。如果样本标签是数字编码(如2,0,1),则用sparse_categorical_crossentropy函数。crossentropy的博客公式理解。
sparse_categorical_accuracy函数:准确率。
与categorical_accuracy一样,都是检查y_true中的值(本身就是index)与y_pred中最大值对应的index是否相等。与categorical_accuracy不同的是,针对稀疏情况的多分类,这里y_true就是真实类的index整数。
tf.keras.metrics,metrics是一个py脚本:定义性能指标。
1.tf.keras.metrics.Accuracy
2.tf.keras.metrics.BinaryAccuracy
3.tf.keras.metrics.BinaryCrossentropy
4.tf.keras.metrics.CategoricalAccuracy
5.tf.keras.metrics.CategoricalCrossentropy
6.tf.keras.metrics.SparseCategoricalAccuracy
7.tf.keras.metrics.SparseCategoricalCrossentropy