tensorflow2 metrics评价标准（评价指标、评价函数）

作者：马育民 • • 阅读：10762

介绍

在一个batch（批次）训练完成后，可以对本批次训练结果进行测试，测试准确率，在tensorflow中称之为 metrics，评价标准（评价指标）

如何设置

通过model.compile()的形参metrics进行设置，如下：

model.compile(optimizer=optimizer,loss='categorical_crossentropy',metrics=['acc'])

此处的'acc'是accuracy简写，指 tf.keras.metrics. Accuracy

评价函数

  • 有些 损失函数 可以作为评价函数，如：mse，在 tf.keras.metrics 模块下，下面有介绍
  • tf.keras.metrics模块下的函数都是评价标准函数
  • 自定义评价函数

tf.keras.metrics 下的评价函数

详见 keras api目录

下面是简单介绍：

函数：

  • binary_accuracy：二分类评价函数
  • categorical_accuracy：用于one-hot评价函数
  • sparse_categorical_accuracy：与categorical_accuracy类似，但label是非one-hot
  • top_k_categorical_accuracy
  • sparse_top_k_categorical_accuracy

类：

  • MeanSquaredError（平方差误差，用于回归，可以简写为MSE，函数形式为mse）

  • MeanAbsoluteError (绝对值误差，用于回归，可以简写为MAE，函数形式为mae)

  • MeanAbsolutePercentageError (平均百分比误差，用于回归，可以简写为MAPE，函数形式为mape)

  • RootMeanSquaredError (均方根误差，用于回归)

  • Accuracy (准确率，用于分类，可以用字符串”Accuracy”表示，Accuracy=(TP+TN)/(TP+TN+FP+FN)，要求y_true和y_pred都为类别序号编码)

  • Precision (精确率，用于二分类，Precision = TP/(TP+FP))

  • Recall (召回率，用于二分类，Recall = TP/(TP+FN))

  • TruePositives (真正例，用于二分类)

  • TrueNegatives (真负例，用于二分类)

  • FalsePositives (假正例，用于二分类)

  • FalseNegatives (假负例，用于二分类)

  • AUC(ROC曲线(TPR vs FPR)下的面积，用于二分类，直观解释为随机抽取一个正样本和一个负样本，正样本的预测值大于负样本的概率)

  • CategoricalAccuracy（分类准确率，与Accuracy含义相同，要求y_true(label)为onehot编码形式）

  • SparseCategoricalAccuracy (稀疏分类准确率，与Accuracy含义相同，要求y_true(label)为序号编码形式)

  • MeanIoU (Intersection-Over-Union，常用于图像分割)

  • TopKCategoricalAccuracy (多分类TopK准确率，要求y_true(label)为onehot编码形式)

  • SparseTopKCategoricalAccuracy (稀疏多分类TopK准确率，要求y_true(label)为序号编码形式)

  • Mean (平均值)

  • Sum (求和)

自定义损失函数

自定义评价函数应该在编译的时候（compile）传递进去。该函数需要以 (y_true, y_pred) 作为输入参数，并返回一个张量作为输出结果。

import tensorflow as tf

def mean_pred(y_true, y_pred):
    return tf.mean(y_pred)

model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy', mean_pred])

感谢：
https://zhuanlan.zhihu.com/p/95293440
https://www.cnblogs.com/xiximayou/p/12689915.html

吉ICP备15003043号