【问题标题】:tensorflow more metrics with custom estimator使用自定义估算器的 tensorflow 更多指标
【发布时间】:2019-08-09 08:40:39
【问题描述】:

我创建了使用 binary_classification_head() 的自定义估算器。一切都很好,但问题在于可见的指标。我正在使用级别为tf.logging.set_verbosity(tf.logging.INFO) 和张量板的日志记录,但我只看到损失值。 我添加了这段代码,但它没有任何帮助。

def my_accuracy(labels, predictions):
    return {'accuracy': tf.metrics.accuracy(labels, predictions['logistic'])}
classifier = tf.contrib.estimator.add_metrics(classifier, my_accuracy)

您知道添加指标的其他方法吗?

【问题讨论】:

    标签: tensorflow metrics tensorboard tensorflow-estimator


    【解决方案1】:

    您需要将相关的指标函数放入您的model_fn。

    例如:

    tf.summary.image('input_image', input_image, max_outputs)
    
    for v in tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES):
            tf.summary.histogram(v.name, v)
    

    包括update_op 的指标,例如 f1 分数的准确性需要提供给eval_metric_ops。使用切片是因为它们输出两个值,度量值和更新操作

    f1 = tf.contrib.metrics.f1_score(labels, predictions, num_thresholds)
    accuracy = tf.metrics.accuracy(labels, predictions)
    tf.summary.scalar('accuracy', accuracy[1])
    
    eval_metric_ops = {
        'f1_score': f1,
        'accuracy': accuracy
    }
    
    return tf.estimator.EstimatorSpec(mode=mode,
                                      loss=loss,
                                      train_op=train_op,
                                      eval_metric_ops=eval_metric_ops,
                                      )
    

    eval_metric_ops dict 可以在训练模式和评估模式下输入。

    如果您使用的是固定估算器,您可以使用 add_metrics

    编辑: 根据官方文档,您可以将binary_classification_head 与罐装估算器一起使用,或者在返回 estimator_spec 的 model_fn 函数中使用。见

    my_head = tf.contrib.estimator.binary_classification_head()
    my_estimator = tf.estimator.DNNEstimator(
        head=my_head,
        hidden_units=...,
        feature_columns=...)
    

    在这种情况下,即使没有 add_metrics func,您也应该能够添加指标

    【讨论】:

    • 感谢您的回答。问题是我使用 binary_classification_head() 而不是 tf.estimator.EstimatorSpec 没有 eval_metric_ops 参数。如果仅仅因为指标而不得不放弃它,那就太可惜了。
    猜你喜欢
    • 2019-04-20
    • 1970-01-01
    • 2019-03-09
    • 2018-10-22
    • 1970-01-01
    • 2021-03-26
    • 2018-08-24
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多