tf.keras 指标中的 reset_states() 和 update_state() 是什么意思？

Question

我正在检查tensorflow.keras 中非常简单的指标对象，例如BinaryAccuracy 或AUC。它们都有 reset_states() 和 update_state() 参数，但我发现它们的文档不足且不清楚。

你能解释一下它们的意思吗？

Answer 1

update_state 测量指标（mean、auc、accuracy），并将它们存储在对象中，以便以后可以使用result 检索：

import tensorflow as tf

mean_object = tf.metrics.Mean()

values = [1, 2, 3, 4, 5]

for ix, val in enumerate(values):
    mean_object.update_state(val)
    print(mean_object.result().numpy(), 'is the mean of', values[:ix+1])

1.0 is the mean of [1]
1.5 is the mean of [1, 2]
2.0 is the mean of [1, 2, 3]
2.5 is the mean of [1, 2, 3, 4]
3.0 is the mean of [1, 2, 3, 4, 5]

reset_states 将指标重置为零：

mean_object.reset_states()
mean_object.result().numpy()

0.0

我不确定我是否比文档更清楚，我认为它已经很好地解释了。

调用对象，例如mean_object([1, 2, 3, 4]) 将更新指标，并且返回result。

import tensorflow as tf

mean_object = tf.metrics.Mean()

values = [1, 2, 3, 4, 5]

print(mean_object.result())
returned_mean = mean_object(values)
print(mean_object.result())
print(returned_mean)

tf.Tensor(0.0, shape=(), dtype=float32)
tf.Tensor(3.0, shape=(), dtype=float32)
tf.Tensor(3.0, shape=(), dtype=float32)