Метод update_state класса Metric

Метод update_state класса Metric обновляет внутреннее состояние метрики, накапливая статистику по переданным данным. Первым параметром метод принимает истинные значения y_true, вторым - предсказанные значения y_pred. Третьим необязательным параметром можно передать веса sample_weight. Метод не возвращает результат, а лишь обновляет внутренние переменные метрики, которые затем можно получить с помощью метода result.

Синтаксис

metric.update_state(y_true, y_pred, [sample_weight])

Пример

Давайте создадим метрику MeanSquaredError и обновим ее состояние истинными и предсказанными значениями:

import tensorflow as tf

metric = tf.keras.metrics.MeanSquaredError()
y_true = tf.constant([1, 2, 3, 4, 5])
y_pred = tf.constant([1, 2, 3, 4, 5])
metric.update_state(y_true, y_pred)
res = metric.result()
print(res)

Результат выполнения кода:

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

Пример

Давайте обновим состояние метрики несколько раз, чтобы увидеть накопление статистики:

import tensorflow as tf

metric = tf.keras.metrics.MeanSquaredError()
y_true = tf.constant([1, 2, 3, 4, 5])
y_pred = tf.constant([1, 2, 3, 4, 6])
metric.update_state(y_true, y_pred)
res = metric.result()
print(res)

Результат выполнения кода:

tf.Tensor(0.2, shape=(), dtype=float32)

Пример

Давайте создадим метрику Accuracy и обновим ее состояние с весами:

import tensorflow as tf

metric = tf.keras.metrics.Accuracy()
y_true = tf.constant([1, 0, 1, 0, 1])
y_pred = tf.constant([1, 0, 0, 0, 1])
sample_weight = tf.constant([1.0, 1.0, 2.0, 1.0, 1.0])
metric.update_state(y_true, y_pred, sample_weight=sample_weight)
res = metric.result()
print(res)

Результат выполнения кода:

tf.Tensor(0.8333333, shape=(), dtype=float32)

Пример

Давайте сбросим состояние метрики с помощью reset_state и снова обновим его:

import tensorflow as tf

metric = tf.keras.metrics.MeanSquaredError()
y_true = tf.constant([1, 2, 3, 4, 5])
y_pred = tf.constant([1, 2, 3, 4, 6])
metric.update_state(y_true, y_pred)
print(metric.result())
metric.reset_state()
metric.update_state(y_true, y_true)
res = metric.result()
print(res)

Результат выполнения кода:

tf.Tensor(0.2, shape=(), dtype=float32)
tf.Tensor(0.0, shape=(), dtype=float32)

Смотрите также

класс Metric,
который является базовым классом для всех метрик
метод result,
который возвращает текущее значение метрики
метод reset_state,
который сбрасывает состояние метрики
метод get_config,
который возвращает конфигурацию метрики