Python tf.keras.experimental.LinearModel.compute_metrics用法及代碼示例

用法

compute_metrics(
    x, y, y_pred, sample_weight
)

參數

x 輸入數據。
y 目標數據。
y_pred 模型返回的預測(model.call(x) 的輸出)
sample_weight 用於加權損失函數的樣本權重。

一個 dict 包含將傳遞給 tf.keras.callbacks.CallbackList.on_train_batch_end() 的值。通常，會返回 self.metrics 中列出的指標的值。示例：{'loss':0.2, 'accuracy':0.7}。

更新指標狀態並收集所有要返回的指標。

子類可以選擇覆蓋此方法以提供自定義指標更新和收集邏輯。

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

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.experimental.LinearModel.compute_metrics。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。