TensorFlow2.0: keras.metrics的使用

最新推荐文章于 2025-09-02 10:13:58 发布

原创

最新推荐文章于 2025-09-02 10:13:58 发布 · 8.4k 阅读

13 ·

CC 4.0 BY-SA版权

本文介绍了如何在TensorFlow2.0中利用Keras.metrics的Accuracy和Mean函数来简化模型的准确率和损失值计算。通过详细步骤，包括建立测量尺、更新数据和获取数据清除缓冲区，以mnist数据集为例进行实战演示。

keras.metrics中有两个api函数可以简化准确率acc和损失值loss的计算。其分别是metrics.Accuracy( )和metrics.Mean( )。
一、建立测量尺

#建立测量尺
acc_meter = metrics.Accuracy()
loss_meter = metrics.Mean()

二、更新数据

loss_meter.update_state(loss)
acc_meter.update_state(y,pred)

三、获取数据并清除buffer

print('epoch:',epoch,' step:',step,' loss:',loss_meter.result().numpy())
loss_meter.reset_states()

print('epoch:',epoch,' acc:',acc_meter.result().numpy())
acc_meter.reset_states()

以mnist数据集训练为例：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers,optimizers,metrics,datasets,Sequential
import datetime
import io

#建立监听例子
current_time = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
log_dir = 'logs/' + current_time
summary_writer = tf.summary.create_file_writer(log_dir)

def preprocess(x,y):
    x = tf.cast(x,dt