Python tf.keras.metrics.CategoricalAccuracy用法及代碼示例

計算預測匹配 one-hot 標簽的頻率。

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

用法

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

您可以將類的 logits 提供為 y_pred ，因為 logits 的 argmax 和概率是相同的。

此指標創建兩個局部變量 total 和 count 用於計算 y_pred 匹配 y_true 的頻率。這個頻率最終以 categorical accuracy 的形式返回：一個冪等運算，隻需將 total 除以 count 。

y_pred 和 y_true 應作為概率向量而不是標簽傳遞。如有必要，使用tf.one_hot 將y_true 擴展為向量。

如果 sample_weight 是 None ，則權重默認為 1。使用 0 的 sample_weight 來屏蔽值。

單機使用：

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()])