深度学习分类模型用到的函数

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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值