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

計算預測匹配整數標簽的頻率。

繼承自：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 sparse categorical accuracy 的形式返回：一個冪等運算，隻需將 total 除以 count 。

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.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()])