指标包装器和归约指标
MeanMetricWrapper class
keras.metrics.MeanMetricWrapper(fn, name=None, dtype=None, **kwargs)
包装一个无状态的度量函数为 Mean 度量.
你可以使用这个类从函数快速构建一个均值度量.该函数需要具有 fn(y_true, y_pred) 签名并返回一个每样本损失数组.MeanMetricWrapper.result() 将返回迄今为止所有样本的平均度量值.
例如:
def mse(y_true, y_pred):
return (y_true - y_pred) ** 2
mse_metric = MeanMetricWrapper(fn=mse)
参数:
fn: 要包装的度量函数,具有签名 fn(y_true, y_pred, **kwargs).
name: (可选) 度量实例的字符串名称.
dtype: (可选) 度量结果的数据类型.
**kwargs: 传递给 fn 的关键字参数.
Mean class
keras.metrics.Mean(name="mean", dtype=None)
计算给定值的（加权）平均值.
例如,如果 values 是 [1, 3, 5, 7],那么平均值是 4.
如果 sample_weight 被指定为 [1, 1, 0, 0],那么平均值将是 2.
该指标创建两个变量,total 和 count.
返回的平均值就是 total 除以 count.
参数: name: (可选) 指标实例的字符串名称. dtype: (可选) 指标结果的数据类型.
示例:
>>> m = Mean()
>>> m.update_state([1, 3, 5, 7])
>>> m.result()
4.0
>>> m.reset_state()
>>> m.update_state([1, 3, 5, 7], sample_weight=[1, 1, 0, 0])
>>> m.result()
2.0
Sum class
keras.metrics.Sum(name="sum", dtype=None)
计算给定值的（加权）和.
例如,如果 values 是 [1, 3, 5, 7],那么它们的和是 16.
如果 sample_weight 被指定为 [1, 1, 0, 0],那么和将是 4.
该指标创建一个变量 total.
这最终作为和值返回.
参数: name: (可选) 指标实例的字符串名称. dtype: (可选) 指标结果的数据类型.
示例:
>>> m = metrics.Sum()
>>> m.update_state([1, 3, 5, 7])
>>> m.result()
16.0
>>> m = metrics.Sum()
>>> m.update_state([1, 3, 5, 7], sample_weight=[1, 1, 0, 0])
>>> m.result()
4.0