Python tf.compat.v1.metrics.mean用法及代码示例

计算给定值的(加权)平均值。

用法

tf.compat.v1.metrics.mean(
    values, weights=None, metrics_collections=None, updates_collections=None,
    name=None
)

迁移到 TF2

警告：这个 API 是为 TensorFlow v1 设计的。继续阅读有关如何从该 API 迁移到本机 TensorFlow v2 等效项的详细信息。见TensorFlow v1 到 TensorFlow v2 迁移指南有关如何迁移其余代码的说明。

tf.compat.v1.metrics.mean 与即刻执行或 tf.function 不兼容。请改用tf.keras.metrics.Mean 进行 TF2 迁移。实例化tf.keras.metrics.Mean对象后，可以先调用update_state()方法记录新值，然后调用result()方法即刻求平均值。您还可以使用 add_metric 方法将其附加到 Keras 模型。有关详细信息，请参阅迁移指南。

到 TF2 的结构映射

前：

mean, update_op = tf.compat.v1.metrics.mean(
  values=values,
  weights=weights,
  metrics_collections=metrics_collections,
  update_collections=update_collections,
  name=name)

后：

m = tf.keras.metrics.Mean(
   name=name)

 m.update_state(
   values=values,
   sample_weight=weights)

 mean = m.result()

如何映射参数

TF1 参数名称	TF2 参数名称	注意
values	values	在update_state() 方法中
weights	sample_weight	在update_state() 方法中
metrics_collections	不支持	应显式跟踪指标或使用 Keras API，例如add_metric，而不是通过集合
updates_collections	不支持	-
name	name	在构造函数中

使用示例之前和之后

前：

g = tf.Graph()
with g.as_default():
  values = [1, 2, 3]
  mean, update_op = tf.compat.v1.metrics.mean(values)
  global_init = tf.compat.v1.global_variables_initializer()
  local_init = tf.compat.v1.local_variables_initializer()
sess = tf.compat.v1.Session(graph=g)
sess.run([global_init, local_init])
sess.run(update_op)
sess.run(mean)
2.0

后：

m = tf.keras.metrics.Mean()
m.update_state([1, 2, 3])
m.result().numpy()
2.0

# Used within Keras model
model.add_metric(tf.keras.metrics.Mean()(values))

mean 函数创建两个局部变量 total 和 count 用于计算 values 的平均值。该平均值最终返回为 mean ，这是一个幂等运算，只需将 total 除以 count 。

为了估计数据流上的度量，该函数创建一个 update_op 操作来更新这些变量并返回 mean 。 update_op 将 total 与 values 和 weights 的乘积之和相加，并以 weights 之和的减小之和增加 count。

如果 weights 是 None ，则权重默认为 1。使用权重 0 来屏蔽值。