Python tf.keras.metrics.CategoricalAccuracy用法及代码示例

计算预测匹配 one-hot 标签的频率。

继承自：MeanMetricWrapper、Mean、Metric、Layer、Module

用法

tf.keras.metrics.CategoricalAccuracy(
    name='categorical_accuracy', dtype=None
)

您可以将类的 logits 提供为 y_pred ，因为 logits 的 argmax 和概率是相同的。

此指标创建两个局部变量 total 和 count 用于计算 y_pred 匹配 y_true 的频率。这个频率最终以 categorical accuracy 的形式返回：一个幂等运算，只需将 total 除以 count 。

y_pred 和 y_true 应作为概率向量而不是标签传递。如有必要，使用tf.one_hot 将y_true 扩展为向量。

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

单机使用：

m = tf.keras.metrics.CategoricalAccuracy()
m.update_state([[0, 0, 1], [0, 1, 0]], [[0.1, 0.9, 0.8],
                [0.05, 0.95, 0]])
m.result().numpy()
0.5

m.reset_state()
m.update_state([[0, 0, 1], [0, 1, 0]], [[0.1, 0.9, 0.8],
                [0.05, 0.95, 0]],
               sample_weight=[0.7, 0.3])
m.result().numpy()
0.3

compile() API 的用法：

model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.CategoricalAccuracy()])