深度学习 - metric / losses汇总计算模块

最新推荐文章于 2024-04-29 21:50:55 发布
VIP文章 最新推荐文章于 2024-04-29 21:50:55 发布
阅读量688 收藏
点赞数
文章标签： python 深度学习 tensorflow
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/weixin_46072771/article/details/108602009
版权

官方文档🔗：Module: tf.keras.metrics

汇总计算模块用法的流程：

  1. 新建一个metric
  2. 增加数据metric()/metric.updata_state()
  3. 取出数据result().numpy()
  4. 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')

添加单个值

m(10
最低0.47元/天 解锁文章
壮壮不太胖^QwQ
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tensorflow2.x学习笔记二十四：tf.keras.metrics的使用
耐心的小黑的博客
04-02 1万+
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...
drtools-metric-visualization:绘制由drtools-metric生成的数据的图形工具
05-06
drtools-metric可视化 绘制由drtools-metric生成的数据的图形工具。 drtools-metric以开放标准（CSV和JSON）生成数据。 这为开发人员提供了极大的自由，使其可以使用并与其他感兴趣的工具（从电子表格到机器学习工具...
动手学习深度学习（Pytorch版）Task 2:文本预处理
zpc1219的博客
02-15 9851
文本预处理 文本是一类序列数据，一篇文章可以看作是字符或单词的序列，文本数据常见的预处理四个步骤如下： 读入文本 分词 建立字典，将每个词映射到一个唯一的索引（index） 将文本从词的序列转换为索引的序列，方便输入模型 读入文本 数据集：英文小说——H. G. Well的Time Machine import collections import re def read_time_mach...
新手入门深度学习 | 3-5：评估指标metrics
04-01 1510
🔗 运行环境：python3 🚩 作者：K同学啊 🥇 精选专栏：《深度学习100例》 🔥 选自专栏：《新手入门深度学习》 📚 推荐专栏：《Matplotlib教程》 🧿 优秀专栏：《Python入门100题》 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.
《python深度学习》学习笔记与代码实现（第八章：8.1，8.2，8.3）
qq_41718518的博客
05-14 1215
《python深度学习》第八章：生成式深度学习 8.1 使用LSTM生成文本 给定一个序列，预测下一个或多个标记的概率，从而生成之后的序列 给定前面的标记，能够对下一个标记的概率进行建模的任何网络都叫做语言模型 8.1.1 生成式循环网络简史 8.1.2 如何生成序列数据 8.1.3 采样策略的重要性 （以上几小节都不太重要，了解即可） 8.1.4 实现字符级别的LSTM文本生成 # 准备下载语料...
机器学习（深度学习）中的metrics
I‘m Frank Lee
06-16 6836
本文以二分类问题作讨论，多分类可以类推。 混淆矩阵
深度学习 - 2.TF x Keras 自定义 Loss 与 Metrics
BITDDD小栈
09-25 7329
上一篇利用 keras 实现了最基本的手写数字识别模型，模型编译时loss用到了交叉熵 sparse_categorical_crossentropy，metrics 针对稀疏多分类问题用到了 sparse_categorical_accuracy，这里 loss 和 metrics 也支持自己实现，只需要继承 keras.losses.Loss 和keras.metrics.Metric 类即可。 Tips: 首先导入需要用到的类，实现和上一篇Demo一样的模型结构，并且加载后面要用到的数据集。唯一的
Keras损失函数与Metrics学习总结
zhenyu_qiu的博客
06-20 5210
1. 损失函数在Keras中的用法 损失函数（或称目标函数）是模型compile()是需要指定的参数之一。 指定方法有两种： 直接传递损失函数名 model.compile(loss='mean_squared_error', optimizer='sgd') 与optimizers类似，直接传递符号函数。 该符号函数为每个数据点返回一个标量，有以下两个参数: y_true: 真实标签。TensorFlow/Theano 张量。 y_pred: 预测值。TensorFlow/Theano 张量，其
深度学习：原理简明教程10-深度学习:评估函数
__似水流年__的博客
03-09 2018
内容纲要 深度学习：原理简明教程10-深度学习:评估函数 欢迎转载，作者：Ling，注明出处：深度学习：原理简明教程10-深度学习:评估函数 评估函数（metrics）：主要用于训练或者测试时，评估模型的好坏。 1）评估时机。正确做法应该在每个epoch结束后进行评估，比如precision，recall，F1这些值，而有些框架如keras是在每个mini-batch就进行评估，好消息是未来会引入global metrics，在每个epoch评估。 2）keras框架的评估函数不全，目前在改进.
(深度学习评估指标)——MS COCO detection evaluation metrics
咖啡味儿的咖啡
10-12 7108
1、概述： 本文介绍MC COCO数据集用到的Metrics 2、Metrics 简介 说明： 1、除非有其他说明，否则AP和AR是多个IoU的平均值，具体来说就是我们使用十个不同的阈值.50:.05:.95。相对于传统只使用单个0.5的阈值相比，这是一个突破。使用平均IoU可以提高探测器的定位精度。 2、AP是各个种类的平均值，传统上我们也叫作mAP，但是在COCO Metrics中我们认为...
pytorch-metric-learning：在应用程序中使用深度度量学习的最简单方法。 模块化，灵活和可扩展。 用PyTorch写
02-03
PyTorch公制学习概述该库包含9个模块，每个模块都可以在您现有的代码库中独立使用，或组合在一起以形成完整的培训/测试工作流程。损失函数如何工作在训练循环中使用损失和矿工让我们初始化一个简单的 ： from ...
metric-learn：Python中的度量学习算法
02-03
metric-learn：Python中的度量学习算法
PyPI 官网下载 | pytorch-metric-learning-1.0.0.dev4.tar.gz
01-29
资源来自pypi官网。 资源全名：pytorch-metric-learning-1.0.0.dev4.tar.gz
Co-metric: A Metric Learning Algorithm for Data with Multiple Views
02-09
We address the problem of metric learning for multi-view data. Up to date, though many metric learning algorithms have been successfully proposed, most of them focus just on single view circumstances,...
python复习（三）
最新发布
qq_43710593的博客
04-29 290
类是一种面向。
python学习笔记----循环语句（四）
取个名字太难了a的博客
04-28 939
随机数种子在生成随机数的过程中起到一个非常重要的作用。它是用于初始化随机数生成算法（伪随机数生成器）的初始值。随机数种子的作用可重复性：当你使用特定的种子值初始化随机数生成器时，即使在不同的运行环境或不同时间，生成的随机数序列都将是相同的。这对于调试和测试非常重要，因为它允许程序的行为在使用随机数时保持一致。控制随机性：种子提供了一种方法来控制随机数生成过程。通过改变种子，你可以获得不同的随机数序列，这对于模拟和其他需要随机输入的应用非常有用。
机器学习之sklearn基础教程
weixin_55066886的博客
04-29 698
Scikit-learn是一个开源的Python机器学习库，提供了各种用于机器学习和数据挖掘的工具和算法。本教程将介绍Scikit-learn的基础知识，包括数据预处理、特征工程、模型训练和评估等方面的内容。在使用Scikit-learn之前，首先需要安装Scikit-learn库。安装完成后，我们可以开始编写机器学习代码了。
Day25-Java基础之常用类1
m0_46053885的博客
04-27 1058
同时我们发现Math类中的方法都是静态的，因此在使用的时候我们可以直接通过类名去调用。对于计算机而言，其实是没有数据类型的概念的，都是0101010101，数据类型是编程语言自己规定的，所以在实际存储的时候，先把具体的数字变成二进制，每32个bit为一组，存储在数组中。比较内存地址值一般情况下是没有意义的，我们希望比较的是对象的属性，如果两个对象的属性相同，我们认为就是同一个对象；如果我们的数据是一个浮点类型的数据，有的时候计算机并不会将这个数据完全转换成一个二进制数据，而是将这个将其转换成一个无限的。
【python】python基础1
七月尘上
04-29 357
注释：单行注释：#多行注释：“”“”“”批量注释：ctl+?,取消注释继续执行一次就行标识符命名规范：1、变量名、类名、函数名只能由数字、字母、下划线组成2、不能以数字开头3、严格区分大小写4、不能以关键字命名定义变量的方式：1、var1 = 值12、var1,var2=值1，值23、var1,var2=值1交换两个变量的值：输出命令解析：sep:输出内容以什么进行分割end:输出以什么结尾file:输出内容以文件形式输出到指定文件。
hadoop jar /usr/local/share/hadoop/hadoop-3.1.1/share/hadoop/tools/lib/hadoop-streaming-3.1.1.jar \ > -input /data/sk20/sk200245/testData.txt \ > -output /data/sk20/sk200245/output \ > -mapper mapTest.py \ > -reducer redTest.py \ > -file /home/sk200245/mapTest.py \ > -file /home/sk200245/redTest.py 运行时出错2023-05-29 18:16:23,282 WARN streaming.StreamJob: -file option is deprecated, please use generic option -files instead. packageJobJar: [/home/sk200245/mapTest.py, /home/sk200245/redTest.py] [] /tmp/streamjob6323488470150726374.jar tmpDir=null 2023-05-29 18:16:24,229 INFO impl.MetricsConfig: loaded properties from hadoop-metrics2.properties 2023-05-29 18:16:24,279 INFO impl.MetricsSystemImpl: Scheduled Metric snapshot period at 10 second(s). 2023-05-29 18:16:24,279 INFO impl.MetricsSystemImpl: JobTracker metrics system started 2023-05-29 18:16:24,291 WARN impl.MetricsSystemImpl: JobTracker metrics system already initialized! 2023-05-29 18:16:24,371 ERROR streaming.StreamJob: Error Launching job : Output directory hdfs://192.168.189.131:9000/data/sk20/sk200245/output already exists Streaming Command Failed!
05-30
这个错误提示告诉我们输出目录已经存在，而Hadoop默认情况下不会覆盖现有的输出目录。为了解决此问题，您需要删除现有的输出目录或更改输出路径。 您可以使用以下命令删除现有的输出目录： ``` ...

“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

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
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