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

最新推荐文章于 2023-03-19 17:30:41 发布
最新推荐文章于 2023-03-19 17:30:41 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
  • 15
    点赞
  • 踩
  • 44
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
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 2179
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
09-15 733
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 7863
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 1412
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
04-17 481
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
01-01 284
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 2821
keras.metrics解析
【0.3】 续--Tensorflow踩坑记之tf.metrics
澜子的博客
08-30 8397
【续】–Tensorflow踩坑记之tf.metrics 欠下的帐总归还是要还的，之前一直拖着，总是懒得写tf.metrics这个API的一些用法，今天总算是克服了懒癌，总结一下用tf.metrics遇到的一些坑。 博客中涉及到的所有代码都已经传到澜子的Github上啦～欢迎互粉哇。 本篇博客也传到了澜子的个人博客，欢迎大噶多多关注哇。 插一句闲话，这一次的博客基本上用的都是 Jupyt...
tensorflow2.x学习笔记二十六：特征列feature_column
耐心的小黑的博客
04-14 2516
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...
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学习笔记十二：使用多GPU训练模型
耐心的小黑的博客
08-30 3953
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
tensorflow2.x学习笔记五：构建模型的三种方式
耐心的小黑的博客
08-17 2437
前言 可以使用以下3种方式构建模型： 使用Sequential按层顺序构建模型， 使用函数式API构建任意结构模型， 继承Model基类构建自定义模型。 对于顺序结构的模型，优先使用Sequential方法构建。 如果模型有多输入或者多输出，或者模型需要共享权重，或者模型具有残差连接等非顺序结构，推荐使用函数式API进行创建。 如果无特定必要，尽可能避免使用Model子类化的方式构建模型，这种方式提供了极大的灵活性，但也有更大的概率出错。 一，Sequential按层顺序创建模型 tf.keras.ba
tensorflow.keras metrics应用
没有胡子的猫Asimov
08-24 462
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 1689
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 2210
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
最新发布
发布工作学习过程中遇到的问题和解决方案
03-19 1561
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 3571
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...
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