我想建立一个指标，以计算组级别的精度。
例如，假设LSTM输出为shape (batch, 10, 1)，我想沿时间维度分组（按10个时间戳分组）并计算精度。
我创建了指标，该指标继承了精度：
class PrecisionGrouped(tf.keras.metrics.Precision):
def __init__(self,
thresholds=None,
top_k=None,
class_id=None,
name=None,
dtype=None):
super(PrecisionGrouped, self).__init__(name=name, dtype=dtype)
def update_state(self, y_true, y_pred, sample_weight=None):
y_true = tf.math.reduce_max(y_true, axis=1)
y_pred = tf.math.reduce_max(y_pred, axis=1)
return super().update_state(y_true, y_pred, sample_weight)
但是，当我运行代码时，它抱怨update_state方法应该返回张量。但是我只是在调用父方法，该方法还会返回update_op。
TypeError: To be compatible with tf.contrib.eager.defun, Python functions must return zero or more Tensors; in compilation of <function PrecisionGrouped.update_state at 0x1a384b1400>, found return value of type <class 'tensorflow.python.framework.ops.Operation'>, which is not a Tensor.
我要做的就是在输入中添加一个简单的预处理步骤。tf.keras.metrics.Precision()可以正常工作，但不起作用PrecisionGrouped()。
您可以从update_state()方法中删除收益。
def update_state(self, y_true, y_pred, sample_weight=None):
y_true = tf.math.reduce_max(y_true, axis=1)
y_pred = tf.math.reduce_max(y_pred, axis=1)
super().update_state(y_true, y_pred, sample_weight)
您可以从自定义指标中删除返回语句和组操作。不需要。由于TPU存在问题，内置指标有不同的要求。修复此问题后，我们还将从内置指标中删除update_state的返回值。
请参阅此GitHub问题以获取更多详细信息。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句