Python tf.keras.experimental.LinearModel.compute_metrics用法及代码示例

用法

compute_metrics(
    x, y, y_pred, sample_weight
)

参数

x 输入数据。
y 目标数据。
y_pred 模型返回的预测(model.call(x) 的输出)
sample_weight 用于加权损失函数的样本权重。

一个 dict 包含将传递给 tf.keras.callbacks.CallbackList.on_train_batch_end() 的值。通常，会返回 self.metrics 中列出的指标的值。示例：{'loss':0.2, 'accuracy':0.7}。

更新指标状态并收集所有要返回的指标。

子类可以选择覆盖此方法以提供自定义指标更新和收集逻辑。

例子：

class MyModel(tf.keras.Sequential):

  def compute_metrics(self, x, y, y_pred, sample_weight):

    # This super call updates `self.compiled_metrics` and returns results
    # for all metrics listed in `self.metrics`.
    metric_results = super(MyModel, self).compute_metrics(
        x, y, y_pred, sample_weight)

    # Note that `self.custom_metric` is not listed in `self.metrics`.
    self.custom_metric.update_state(x, y, y_pred, sample_weight)
    metric_results['custom_metric_name'] = self.custom_metric.result()
    return metric_results

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.experimental.LinearModel.compute_metrics。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。