Tensorflow 中的 Estimator 中的自定义 eval_metric_ops答案

【问题标题】：Custom eval_metric_ops in Estimator in TensorflowTensorflow 中的 Estimator 中的自定义 eval_metric_ops
【发布时间】：2018-01-20 11:30:34
【问题描述】：

我正在尝试在估算器中的 eval_metric_ops 中添加 r 平方，如下所示：

def model_fn(features, labels, mode, params):
    predict = prediction(features, params, mode)
    loss = my_loss_fn
    eval_metric_ops = { 
        'rsquared': tf.subtract(1.0, tf.div(tf.reduce_sum(tf.squared_difference(label, tf.reduce_sum(tf.squared_difference(labels, tf.reduce_mean(labels)))),
                                   name = 'rsquared')
        }

    train_op = tf.contrib.layers.optimize_loss(
        loss = loss,
        global_step = global_step,
        learning_rate = 0.1,
        optimizer = "Adam"
    )

    predictions = {"predictions": predict}

    return tf.estimator.EstimatorSpec(
        mode = mode,
        predictions = predictions,
        loss = loss,
        train_op = train_op,
        eval_metric_ops = eval_metric_ops
    )

但我有以下错误：

TypeError: eval_metric_ops 的值必须是 (metric_value, update_op) 元组，给定： Tensor("rsquared:0", shape=(), dtype=float32) 键： r平方

我也尝试不使用 name 参数，但没有改变任何东西。你知道如何创建这个 eval_metric_ops 吗？

【问题讨论】：

标签： python tensorflow tensorflow-estimator

【解决方案1】：

eval_metric_ops需要一个按名称键入的指标结果字典。 dict 的值是调用度量函数的结果。您的案例中的度量函数可以使用tf.metrics实现：

 def metric_fn(labels, predict):
    SST, update_op1 = tf.metrics.mean_squared_error(labels, tf.reduce_mean(labels))
    SSE, update_op2 = tf.metrics.mean_squared_error(labels, predictions )
    return tf.subtract(1.0, tf.div(SSE, SST)), tf.group(update_op1, update_op2))

【讨论】：

完美，正是我想要的。谢谢！

【解决方案2】：

我尝试了接受的答案，但它在 TF 1.14 中不起作用，然后我尝试制作 my own。您只需更改以compute_* 开头的函数和相关变量即可将此处的source code examples 调整为您自己的。

【讨论】：