tensorflow2.x学习笔记二十四：tf.keras.metrics的使用

最新推荐文章于 2024-03-25 20:53:06 发布
最新推荐文章于 2024-03-25 20:53:06 发布
阅读量1.4w 收藏 44
点赞数 15
分类专栏： # TensorFlow2.x学习笔记 文章标签： 深度学习 tensorflow 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39507748/article/details/105267168
版权
本文介绍了在TensorFlow2.x中如何使用`tf.keras.metrics`进行性能指标监测。在模型编译时，metrics允许指定自定义评估指标，如accuracy或crossentropy。这些指标的计算结果在history对象中保存，可用于分析训练过程。此外，文章还展示了metrics类实例化对象的`reset_states`、`result`和`update_state`等属性的用途，并通过实例加以说明。
摘要由CSDN通过智能技术生成
一、metrics的简单介绍

       在tensorflow2.x中我们进行模型编译的时候，会看到其中有一个参数是metrics，它用来在训练过程中监测一些性能指标，而这个性能指标是什么可以由我们来指定。指定的方法有两种：

  • 直接使用字符串
  • 使用tf.keras.metrics下的类创建的实例化对象或者函数

下面先举个例子来看一下这两种方式：


model.compile(loss='mean_squared_error',
              optimizer='sgd'
了解本专栏 订阅专栏 解锁全文 超级会员免费看
耐心的小黑
关注
专栏目录
订阅专栏
tensorflow2.x学习笔记二十九：官方API文档小总结
耐心的小黑的博客
12-06 2184
一、tf下的常用API(下面这几个都比较常用，主要是定义处理数据) 1、tf.constant,tf.variable(它有比constant更多的属性，比如.assign，.assign_add， .assign_sub，这几个属性是直接将返回值给var变量本身，也即直接改变本身的值), tf.string,tf.range,tf.ones,tf.zeros,tf.linespace;tf.meshgrid.tf.RaggedTensor；定义数据 2、tf.fill,tf.shape,tf.one
深度学习 - metric / losses汇总计算模块
壮壮不太胖的学习笔记
09-15 738
这里写自定义目录标题**以均值为例`tf.keras.metrics.Mean`** 官方文档????：Module: tf.keras.metrics 汇总计算模块用法的流程： 新建一个metric 增加数据metric()/metric.updata_state() 取出数据result().numpy() 重置清零数据reset_states 以均值为例tf.keras.metrics.Mean 首先，构建一个Mean实例 m = tf.keras.metrics.Mean('均值') 添加单个
TensorFlow2.0: keras.metrics的使用
meijie2018_1的博客
09-10 7867
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...
tf.keras.metrics和tf.keras.metrics中的部分函数
ghedhrjeerdjh的博客
04-01 1413
tf.keras.metrics.Accuracy对象只能接受label值，在使用的时候可以对输出使用tf.argmax等方法进行处理 a = tf.keras.metrics.Accuracy() a.update_state([1, 2, 3, 4], [0, 2, 3, 4]) print(a.result().numpy()) # 输出为0.75 tf.keras.metrics.SparseCategoricalAccuracy对象将接受label和对应的输出值，是否用softmax激活不会对结
Tensorflow（二十四） —— keras实用API
Cyrus_May的博客
04-17 485
Tensorflow（二十四） —— keras实用API1. Metrics2. compile & fit3. evaluate4. predict & predict_classes 1. Metrics import tensorflow as tf from tensorflow.keras import optimizers,layers,Sequential,metrics,datasets # ************** Metrics 1、build a meter
tensorflow 里metrics_Tensorflow（2.x版本） 的安装
weixin_39604350的博客
01-01 290
面向小白的教程，基于Windows下载Anaconda安装过anaconda的，为了避免版本不同导致的问题，建议确认一下版本在anaconda prompt里输入conda -V显示conda 4.8.3就是最新版（Anaconda3-2020.02），不是的建议升级，命令conda update conda没安装的同学去清华镜像站Index of /anaconda/archive/​mirro...
keras.metrics解析
November、Chopin
11-01 2849
keras.metrics解析
tensorflow2.x学习笔记二十六：特征列feature_column
耐心的小黑的博客
04-14 2518
特征列feature_column 特征列 通常用于对结构化数据实施特征工程时候使用，图像或者文本数据一般不会用到特征列。 一，特征列用法概述 使用特征列可以将类别特征转换为one-hot编码特征，将连续特征构建分桶特征，以及对多个特征生成交叉特征等等。 要创建特征列，请调用 tf.feature_column模块的函数。该模块中常用的九个函数如下图所示，所有九个函数都会返回一个 Cate...
tensorflow2.x学习笔记十二：使用多GPU训练模型
耐心的小黑的博客
08-30 3960
一、前言 如果使用多GPU训练模型，推荐使用内置fit方法，较为方便，仅需添加2行代码。 MirroredStrategy过程简介： 训练开始前，该策略在所有 N 个计算设备上均各复制一份完整的模型； 每次训练传入一个批次的数据时，将数据分成 N 份，分别传入 N 个计算设备（即数据并行）； N 个计算设备使用本地变量（镜像变量）分别计算自己所获得的部分数据的梯度； 使用分布式计算的 All-reduce操作，在计算设备间高效交换梯度数据并进行求和，使得最终每个设备都有了所有设备的梯度之和； 使用梯度求和
keras用auc做metrics以及早停实例
12-17
我就废话不多说了，大家还是直接看代码吧~ import tensorflow as tf from sklearn.metrics import roc_auc_score def auroc(y_true, y_pred): return tf.py_func(roc_auc_score, (y_true, y_pred), tf.double) # Build Model... model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy', auroc]) 完整例子： def a
【Tensorflow2.x学习笔记】- Keras高层接口
qq_42433311的博客
01-03 2394
目录 1.Keras简介 2.常见功能模块 2.1 常见网络层类 2.2 网路容器 3.模型装配、训练、测试 3.1 模型装配 3.2 模型训练 3.3模型测试 4.模型的保存与加载 4.1 张量方式 4.2网络方式 4.3 SaveModel方式 5.自定义网络 5.1自定义网络层 5.2自定义网络 6.测量工具 7.可视化 7.1模型端 7.2浏览器端 1.Keras简介 Keras是一个主要由 Python语言开发的开源神经网络计...
tensorflow.keras metrics应用
没有胡子的猫Asimov
08-24 466
tensorflow.keras metrics应用 不使用metrics实现的博客参考： import tensorflow as tf from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics 更改数据类型并归一化 def preprocess(x, y): x = tf.cast(x, dtype=tf.float32) / 255. y = tf.cast(y, dt
tensorflow 里metrics_【tensorflow2.0】评价指标metrics
weixin_39603622的博客
12-21 1337
损失函数除了作为模型训练时候的优化目标，也能够作为模型好坏的一种评价指标。但通常人们还会从其它角度评估模型的好坏。这就是评估指标。通常损失函数都可以作为评估指标，如MAE,MSE,CategoricalCrossentropy等也是常用的评估指标。但评估指标不一定可以作为损失函数，例如AUC,Accuracy,Precision。因为评估指标不要求连续可导，而损失函数通常要求连续可导。编译模型时，...
tf.keras.metrics.Accuracy；tf.keras.metrics.Precision；tf.keras.metrics.Recall
weixin_43567724的博客
07-26 1693
tf.keras.metrics.Accuracy；tf.keras.metrics.Precision；tf.keras.metrics.Recall 当标签为0/1，而prediction为（0，1）区间的概率值时（如激活函数sigmoid后得到的值），三个评估函数： tf.keras.metrics.Accuracy()；tf.keras.metrics.Precision()；tf.keras.metrics.Recall() 都是自动将prediction转化为0/1，大于0.5为1，小于等于0
Tensorflow2.0 keras Metrics的基本使用
廷益_飞鸟的博客
10-15 2215
Metrics的基本使用 Metrics 创建并设置数据模式 update_state 添加数据 result().numpy() 获取结果 reset_states 清空数据 步骤1 ：创建meter 测量值处理 acc_meter = metrics.Accuracy() # 正确率的计算 loss_meter = metrics.Mean() # 求均值(传入损失值) 步骤2 ： 更新数据(添加) acc_meter.update_state(y_true, predict) # 正确
Tensorflow 2 中模型metric的设置方法总结
发布工作学习过程中遇到的问题和解决方案
03-19 1572
将设置方法分成：1.`metrics`表示形式、2. `metrics`传值方式、3. `metrics`样本加权，三部分进行阐述，并给出例程
深度学习框架 TensorFlow：张量、自动求导机制、tf.keras模块(Model、layers、losses、optimizer、metrics)、多层感知机(即多层全连接神经网络 MLP)
あずにゃん梓喵的博客
08-05 3664
日萌社 人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新） 安装 TensorFlow2、CUDA10、cuDNN7.6.5 Anaconda3 python 3.7、TensorFlow2、CUDA10、cuDNN7.6.5 TensorFlow 2.0 环境搭建 window下安装 Keras、Tenso...
Tensorflow2.0笔记 - metrics做损失和准确度信息度量
最新发布
vivo01的专栏
03-25 616
本笔记主要记录metrics相关的内容，详细内容请参考代码注释，代码本身只使用了Accuracy和Mean。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

耐心的小黑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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