TensorFlow函数:tf.metrics.root_mean_squared_error

由 Carrie 创建, 最后一次修改 2018-10-22

tf.metrics.root_mean_squared_error函数

tf.metrics.root_mean_squared_error(
    labels,
    predictions,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

定义在:tensorflow/python/ops/metrics_impl.py.

计算labels和predictions之间的均方根误差.

该root_mean_squared_error函数创建两个局部变量,total和count,它们被用于计算均方根误差.该平均值是通过weights加权,并最终被返回为root_mean_squared_error,这是一个等幂操作,它利用total除以count的平方根.

为了估计数据流上的度量,该函数创建一个update_op操作来更新这些变量并返回root_mean_squared_error.在内部,一个squared_error操作计算predictions和labels之间差异的元素平方.然后update_op使用weights和squared_error乘积的减少总和来递增total,并且它通过weights的减少总和来递增count.

如果weights是None,则权重默认为1,使用权重0来屏蔽值.

参数:

  • labels:与predictions具有相同形状的Tensor.
  • predictions:任意形状的Tensor.
  • weights:可选的Tensor,其秩为0或与labels具有相同等级,并且必须可广播到labels(即,所有维度必须为1或者与相应的labels维度相同).
  • metrics_collections:root_mean_squared_error应添加到的集合的可选列表.
  • updates_collections:update_op应添加到的集合的可选列表.
  • name:可选的variable_scope名称.

返回:

  • root_mean_squared_error:一个表示当前均值的Tensor,total除以count的值.
  • update_op:适当增加total和count变量的操作,并且其值匹配root_mean_squared_error.

可能引发的异常:

  • ValueError:如果predictions和labels有不匹配的形状,或者weights不是None,并且它的形状不匹配predictions,或者如果metrics_collections或updates_collections中任意一个不是一个列表或元组.
  • RuntimeError:如果启用了急切执行.
以上内容是否对您有帮助:
二维码
建议反馈
二维码