TensorFlow函數(shù)：tf.metrics.recall_at_k

tf.metrics.recall_at_k函數(shù)

tf.metrics.recall_at_k(
    labels,
    predictions,
    k,
    class_id=None,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

定義在：tensorflow/python/ops/metrics_impl.py.

計(jì)算有關(guān)稀疏labels的predictions的recall@k.

如果class_id指定,我們通過(guò)僅考慮標(biāo)簽中class_id所在批次中的條目來(lái)計(jì)算recall,并計(jì)算它們中class_id在前k項(xiàng)predictions中的分?jǐn)?shù).如果class_id未指定,我們將計(jì)算recall以了解批次條目的標(biāo)簽中的一個(gè)類(lèi)在前k項(xiàng)predictions中的頻率.

sparse_recall_at_k創(chuàng)建兩個(gè)局部變量,true_positive_at_<k>和false_negative_at_<k>,被用來(lái)計(jì)算recall_at_k頻率.此頻率最終返回為recall_at_<k>,這是一個(gè)冪等操作,將true_positive_at_<k>除以true_positive_at_<k>和false_negative_at_<k>的和.

為了估計(jì)數(shù)據(jù)流上的度量,該函數(shù)創(chuàng)建一個(gè)update_op操作來(lái)更新這些變量并返回recall_at_<k>.在內(nèi)部,top_k操作計(jì)算Tensor以指示前k項(xiàng)predictions.設(shè)置應(yīng)用于top_k和labels的操作通過(guò)weights計(jì)算加權(quán)的true positives和false negatives.然后update_op使用這些值遞增true_positive_at_<k>和false_negative_at_<k>.

如果weights是None,則權(quán)重默認(rèn)為1,使用權(quán)重0來(lái)屏蔽值.

參數(shù)：

• labels：int64 Tensor或SparseTensor,并且具有形狀[D1,... DN,num_labels]或[D1,... DN],其中后者暗示num_labels = 1.N> = 1并且num_labels是關(guān)聯(lián)預(yù)測(cè)的目標(biāo)類(lèi)的數(shù)量.通常,N = 1并且labels具有形狀[batch_size,num_labels].[D1,... DN]必須匹配predictions.值應(yīng)在[0,num_classes]范圍內(nèi),其中num_classes是predictions的最后一個(gè)維度.超出此范圍的值始終計(jì)入false_negative_at_<k>.
• predictions：浮動(dòng)的Tensor,具有形狀[D1,... DN,num_classes],其中N> = 1；通常,N = 1并且predictions具有形狀[batch size, num_classes].最終維度包含每個(gè)類(lèi)的logit值.[D1,... DN]必須匹配labels.
• k：整數(shù),k代表@k metric.
• class_id：我們需要二進(jìn)制度量的整數(shù)類(lèi)ID.這應(yīng)該在[0,num_classes]范圍內(nèi),其中num_classes是predictions的最后一個(gè)維度.如果class_id超出此范圍,則該方法返回NAN.
• weights：Tensor的秩為0或n-1,其中n是labels的秩.如果是后者,則必須是可廣播的labels(即,所有維度必須為1或與相應(yīng)的labels維度相同).
• metrics_collections：應(yīng)添加值的集合的可選列表.
• updates_collections：應(yīng)添加更新的集合的可選列表.
• name：新更新操作的名稱,以及其他從屬操作的命名空間.

返回：

• recall：標(biāo)量float64 Tensor,其值為值true_positives除以true_positives和false_negatives的和.
• update_op：適當(dāng)增加true_positives和false_negatives變量的操作,其值與recall匹配.

可能引發(fā)的異常：

• ValueError：如果weights不是None,并且它的形狀不匹配predictions,或者如果metrics_collections或updates_collections中任意一個(gè)不是一個(gè)列表或元組.
• RuntimeError：如果啟用了急切執(zhí)行.