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

计算预测匹配整数标签的频率。

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

用法

tf.keras.metrics.SparseCategoricalAccuracy(
    name='sparse_categorical_accuracy', dtype=None
)

acc = np.dot(sample_weight, np.equal(y_true, np.argmax(y_pred, axis=1))

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 sparse categorical accuracy 的形式返回：一个幂等运算，只需将 total 除以 count 。

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.SparseCategoricalAccuracy()
m.update_state([[2], [1]], [[0.1, 0.6, 0.3], [0.05, 0.95, 0]])
m.result().numpy()
0.5

m.reset_state()
m.update_state([[2], [1]], [[0.1, 0.6, 0.3], [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.SparseCategoricalAccuracy()])