TensorFlow函數(shù)：tf.metrics.precision_at_top_k

tf.metrics.precision_at_top_k函數(shù)

tf.metrics.precision_at_top_k(
    labels,
    predictions_idx,
    k=None,
    class_id=None,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

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

計(jì)算與稀疏labels相關(guān)的predictions的精度@ k.

與sparse_precision_at_k不同之處在于,predictions必須采用頂級(jí)k索引的形式,而sparse_precision_at_k期望是logits.

參數(shù)：

• labels：具有形狀[D1,... DN,num_labels]或[D1,... DN]的int64 Tensor或SparseTensor,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.超出此范圍的值將被忽略.
• predictions_idx：具有形狀[D1,... DN,k]的整數(shù)Tensor,其中N> = 1.通常,N = 1并且predictions具有形狀[batch size, k].最終維度包含最高k預(yù)測(cè)類別索引.[D1,... DN]必須匹配labels.
• k：整數(shù),k代表@k metric.僅用于默認(rèn)操作名稱.
• class_id：我們需要二進(jìn)制度量的整數(shù)類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,其秩為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或者與相應(yīng)的labels維度相同).
• metrics_collections：應(yīng)添加值的集合可選的列表.
• updates_collections：應(yīng)添加更新的集合可選的列表.
• name：新更新操作的名稱,以及其他從屬操作的命名空間.

返回：

• precision：標(biāo)量float64 Tensor,其值為：true_positives除以true_positives和false_positives的和.
• update_op：適當(dāng)增加true_positives和false_positives變量的操作,其值匹配precision.

可能引發(fā)的異常：

• ValueError：如果weights不是None和它的形狀與predictions不匹配,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.