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

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'
  • 15
    点赞
  • 44
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
评论 2
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

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
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