深度学习 - metric / losses汇总计算模块

最新推荐文章于 2024-08-19 09:49:21 发布
最新推荐文章于 2024-08-19 09:49:21 发布
阅读量749 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
本文介绍了在深度学习中如何使用TensorFlow的`tf.keras.metrics`模块进行汇总计算，以均值为例，详细展示了新建实例、添加数据、获取结果和重置数据的过程，并提供了实例使用参考。
摘要由CSDN通过智能技术生成

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
新手入门深度学习 | 3-5：评估指标metrics
“365天深度学习训练营”报名进行中～
04-01 1648
🔗 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.
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
机器学习（深度学习）中的metrics
I‘m Frank Lee
06-16 7180
本文以二分类问题作讨论，多分类可以类推。 混淆矩阵
深度度量学习框架：基于Deep_Metric的实践指南
最新发布
gitblog_00212的博客
08-19 437
深度度量学习框架：基于Deep_Metric的实践指南 Deep_MetricDeep Metric Learning 项目地址:https://gitcode.com/gh_mirrors/de/Deep_Metric 项目介绍 深度度量学习(Deep Metric Learning) 是计算机视觉领域内一个活跃的研究方向，它旨在通过学习数据表示函数来衡量样本间的相似性。本项目【Deep_Me...
深度学习之模型评估Evaluation Metric
Small__明的博客
10-04 836
深度学习之模型评估Evaluation Metric 文章目录深度学习之模型评估Evaluation Metric精度Accuracy混淆矩阵总结 精度Accuracy 精度是指测试正确的与全部测试样例的比值。 Accuracy=NumberofcorrectpredictionsTotalnumberofpredictionsmadeAccuracy = \frac{Number of correct predictions}{Total number of predictions made}Accur
深度学习-深度神经网络（网络计算模块总结）【手抄笔记】
Brianone的博客
05-02 313
深度学习学习笔记——loss与metric的选择
phily123的博客
06-13 1027
一、loss的选择 1、计算标签和预测之间的误差平方均值。‘mse’ or tf.keras.losses.MeanSquareError() 2、交叉熵损失函数计算两个概率分布之间的差异，当有两个或多个标签分类时： ‘sparse_categorical_crossentropy’ or tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False) y标签未独热编码，from_logits=False表示输出经过softmax的概率输出。
深度学习（GoogLeNet）
weixin_65089713的博客
04-07 5860
1 GoogLeNet的介绍 1.1 GoogLeNet的简介 GoogLeNet模型是由谷歌（Google）团队开发出来的卷积神经网络，它是2014年ImageNet挑战赛的冠军模型。相比于AlexNet模型，GoogLeNet模型的网络结构更深，共包括87层。尽管模型结构变得更复杂，但参数量更少了。GoogLeNet模型的参数量为5941552个，仅为AlexNet模型参数量的1/10。这主要归功于GoogLeNet创新性地采用了Inception模块。感兴趣的读者可以阅读原始顶会顶刊http://
【YOLOv8十万长文优化】独家魔改优化技巧+附20余个源码手把手教程
热门推荐
cv君的博客
08-01 2万+
【YOLOv8十万长文全解】v8 v9通用。独家魔改优化技巧+附20余个源码手把手教程; Hello，大家好，我是cv君，最近开始在空闲之余，经常更新文章啦！除目标检测、分类、分隔、姿态估计等任务外，还会涵盖图像增强领域，如超分辨率、画质增强、降噪、夜视增强、去雾去雨、ISP、海思高通成像ISP等、AI-ISP、还会有多模态、文本nlp领域、视觉语言大模型、lora、chatgpt等理论与实践文章更新，更新将变成一周2-3更，一个月争取10篇，重回创作巅峰
这是一个小“废”贴
壮壮不太胖的学习笔记
04-01 1446
我的学习目录一，数据处理Pandas 数据处理二，机器学习1，k - 邻近算法2，线性回归3，决策树4，朴素贝叶斯算法三，数据库（SQL）1，数据库系统原理2，SQL语言四，数据结构与演算法1，算法与算法分析2，树3，排序 一，数据处理 Pandas 数据处理 传送门：机器学习-Pandas 数据的前处理 不定期更新 二，机器学习 1，k - 邻近算法 传送门：使用sklearn中提供的k邻...
深度学习计算 - 层和块
yingzi的技术博客
09-08 394
要想直观地了解块是如何工作的，最简单的方法就是自己实现一个。将输入数据作为其前向传播函数的参数通过前向传播函数来生成输出。请注意，输出的形状可能与输入的形状不同。例如，上面模型中的第一个全连接层的接收一个20维的输入，输出一个256维计算其输出关于输入的梯度，可通过其反向传播函数进行访问。这通常是自动发生的存储和访问前向传播计算所需的参数根据需要初始化模型参数在下面的代码片段中，我将从零开始编写一个块。它包含一个多层感知机，其具有256个隐藏单元的隐藏层和一个10维输出层。
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 4065
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...
Keras损失函数与Metrics学习总结
zhenyu_qiu的博客
06-20 5792
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
(深度学习评估指标)——MS COCO detection evaluation metrics
咖啡味儿的咖啡
10-12 7486
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...
基于keras的深度学习基本概念讲解——深度学习之从小白到入门
怒河春醒
03-28 2179
原文地址 摘要: Tensorflow1.0正式发布，谷歌首届Tensorflow开发者大会在山景召开，深度学习迎来新的高潮和狂欢。随着深度学习框架的普及和推广，会有越来越多人加入到这场盛宴中来，就像Android技术的普及使得开发人员迅速扩大。在这里給大家带来一套小白入门深度学习的基础教程，使用得是Keras，一个高级神经网络库，同时也是Tensorflow1.0引进的一个高层API。Auth
深度学习2.0-20.Keras高层API-metrics
柳杰的博客
10-10 236
文章目录1.metrics1.metrics-新建一个评价指标2.update data- 添加数据3.result().numpy()-显示结果4.reset_states()-清零2.metrics实战 1.metrics 1.metrics-新建一个评价指标 acc_meter = metrucs.Accuracy() loss_meter = metrics.Mean() 2.update data- 添加数据 loss_meter.update_state(loss) acc_meter.u
Metrics 简介
崔显龙的博客
01-29 3983
定期将Metric Registry对象发送至监控服务器，即定期将其中存放的所有Metric对象发送给监控服务器。记录1次，增加一个计时值duration记录，单位由unit指定；最近1/5/15分钟，每秒mark的指数加权移动平均值；获取75/95/98/99/99.9百分位记录值。自创建Meter时起，平均每秒mark多少次；自创建Meter时起，一共mark多少次；结束计时，记录1次，增加一个计时值记录；获取其中最小值/最大值/中位值/平均值。详见Meter对应方法。获取指定百分位记录值。
深度学习笔记(十):深度学习评估指标
源的博客
03-08 1253
文章目录专业名词解释一级指标二级指标深度学习评估指标 专业名词解释 HTC (Hybrid Task Cascade) - 混合任务级联 bounding box - 边界矩形框 RoI(Region of Interest) - 感兴趣区域 Rol Pooling - Rol 池化(RoI Pooling = crop feature + resize feature) Rol Align - 解决了ROI Pooling操作中两次量化造成的区域不匹配(mis-alignment)的
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