Python tf.keras.metrics.Metric用法及代码示例

封装度量逻辑和状态。

继承自：Layer，Module

用法

tf.keras.metrics.Metric(
    name=None, dtype=None, **kwargs
)

单机使用：

m = SomeMetric(...)
for input in ...:
  m.update_state(input)
print('Final result:', m.result().numpy())

compile() API 的用法：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(64, activation='relu'))
model.add(tf.keras.layers.Dense(64, activation='relu'))
model.add(tf.keras.layers.Dense(10, activation='softmax'))

model.compile(optimizer=tf.keras.optimizers.RMSprop(0.01),
              loss=tf.keras.losses.CategoricalCrossentropy(),
              metrics=[tf.keras.metrics.CategoricalAccuracy()])

data = np.random.random((1000, 32))
labels = np.random.random((1000, 10))

dataset = tf.data.Dataset.from_tensor_slices((data, labels))
dataset = dataset.batch(32)

model.fit(dataset, epochs=10)

由子类实现：

• __init__() ：所有状态变量都应在此方法中通过调用 self.add_weight() 来创建，例如：self.var = self.add_weight(...)
• update_state() ：对状态变量进行所有更新，例如：self.var.assign_add(...)。
• result() ：计算并返返回自状态变量的度量的标量值或标量值字典。

示例子类实现：

class BinaryTruePositives(tf.keras.metrics.Metric):

  def __init__(self, name='binary_true_positives', **kwargs):
    super(BinaryTruePositives, self).__init__(name=name, **kwargs)
    self.true_positives = self.add_weight(name='tp', initializer='zeros')

  def update_state(self, y_true, y_pred, sample_weight=None):
    y_true = tf.cast(y_true, tf.bool)
    y_pred = tf.cast(y_pred, tf.bool)

    values = tf.logical_and(tf.equal(y_true, True), tf.equal(y_pred, True))
    values = tf.cast(values, self.dtype)
    if sample_weight is not None:
      sample_weight = tf.cast(sample_weight, self.dtype)
      sample_weight = tf.broadcast_to(sample_weight, values.shape)
      values = tf.multiply(values, sample_weight)
    self.true_positives.assign_add(tf.reduce_sum(values))

  def result(self):
    return self.true_positives