如何在 tensorflow 中监控准确度（度量准确度不可用）答案

【问题标题】：How to monitor accuracy in tensorflow (metric accuracy is not available)如何在 tensorflow 中监控准确度（度量准确度不可用）
【发布时间】：2021-08-24 04:48:08
【问题描述】：

我想监控我的 tensorflow 模型的准确性，但是，当使用 metrics=['accuracy'] 或 metrics=[tf.keras.metrics.Accuracy()] 编译我的模型然后训练我的模型时，会弹出以下警告。

警告：tensorflow：提前停止取决于指标accuracy，这是不可用的。可用的指标有：loss、val_loss

model.compile(optimizer='adam', loss='mean_squared_error', metrics=["tried both options i mentioned"])
callbacks = [EarlyStopping(monitor='accuracy', patience=1000)]          
model.fit(x_train, y_train, epochs=5000, batch_size=100, validation_split=0.2, callbacks=callbacks)

【问题讨论】：

两者都用过？ metrics=['accuracy', 'loss']
我可以试一试，但我看不出这有什么帮助，因为损失已经被检测为一个指标。
试过了，没用。
你试过metrics=['val_loss']吗？
你的数据集中有多少样本？

标签： python tensorflow machine-learning keras

【解决方案1】：

除了 Kaveh 的回答之外，还有其他回归问题的指标。我认为非常有用的是 R2 squared (https://en.wikipedia.org/wiki/Coefficient_of_determination)，它不包含在 Keras 中。

Tensorflow 插件库 (https://www.tensorflow.org/addons) 实现了它，并且可以通过以下代码在 ANN 中使用：

import tensorflow_addons as tfa

model.compile(optimizer=tf.optimizers.Adam(learning_rate=0.01),
              loss="mean_squared_error",
              metrics=tfa.metrics.RSquare(y_shape=(1,)))

【讨论】：

【解决方案2】：

基于链接here：准确性是评估分类模型的一项指标。非正式地，准确性是我们的模型正确预测的分数。形式上，准确度有以下定义：

因此，对于回归等其他问题，您应该使用其他指标而不是accuracy，例如metrics=[tf.keras.metrics.MeanSquaredError()])

【讨论】：