keras模型评价指标
keras-metrics的Python项目详细描述
Keras指标
该软件包提供了评价keras分类模型的度量标准。 这些度量可以安全地用于基于批处理的模型评估。
安装
要从pypi存储库安装包,可以执行以下操作 命令:
pip install keras-metrics
用法
该软件包的使用非常简单:
importkerasimportkeras_metricsaskmmodel=models.Sequential()model.add(keras.layers.Dense(1,activation="sigmoid",input_dim=2))model.add(keras.layers.Dense(1,activation="softmax"))model.compile(optimizer="sgd",loss="binary_crossentropy",metrics=[km.binary_precision(),km.binary_recall()])
多标签二进制交叉熵的类似配置:
importkerasimportkeras_metricsaskmmodel=models.Sequential()model.add(keras.layers.Dense(1,activation="sigmoid",input_dim=2))model.add(keras.layers.Dense(2,activation="softmax"))# Calculate precision for the second label.precision=km.binary_precision(label=1)# Calculate recall for the first label.recall=km.binary_recall(label=0)model.compile(optimizer="sgd",loss="binary_crossentropy",metrics=[precision,recall])
Keras Metrics包还支持分类交叉熵和 稀疏分类交叉熵:
importkeras_metricsaskmc_precision=km.categorical_precision()sc_precision=km.sparse_categorical_precision()# ...
Tensorflow路缘石
tensorflow库提供了keras
包作为其api的一部分,在
为了在Tensorflow路缘石中使用keras_metrics
,建议您
使用初始化的全局变量执行模型训练:
importnumpyasnpimportkeras_metricsaskmimporttensorflowastfimporttensorflow.kerasaskerasmodel=keras.Sequential()model.add(keras.layers.Dense(1,activation="softmax"))model.compile(optimizer="sgd",loss="binary_crossentropy",metrics=[km.binary_true_positive()])x=np.array([[0],[1],[0],[1]])y=np.array([1,0,1,0]# Wrap model.fit into the session with global# variables initialization.withtf.Session()ass:s.run(tf.global_variables_initializer())model.fit(x=x,y=y)