TensorFlow.js tf.metrics.sparseCategoricalAccuracy()函数介绍

tf.metrics.sparseCategoricalAccuracy() 函数是 TensorFlow.js 中的一个性能度量工具，用于计算稀疏分类问题（如文本分类、图像分类）中的准确度。

函数签名

tf.metrics.sparseCategoricalAccuracy(yTrue, yPred)

参数

• yTrue：真实的稀疏分类目标值或标签张量。
• yPred：模型预测的稀疏分类概率张量。

返回值

一个浮点数代表稀疏分类准确度（0 到 1 之间的百分比）。该指标表示模型预测的目标类别在真实值中的准确度。

示例

const tf = require('@tensorflow/tfjs');

// 创建真实值和预测值张量
const yTrue = tf.tensor1d([0, 1, 2, 2]);
const yPred = tf.tensor2d([[0.1, 0.1, 0.8], [0.05, 0.95, 0], [0.1, 0.2, 0.7], [0.3, 0.2, 0.5]]);

// 计算稀疏分类准确度
const accuracy = tf.metrics.sparseCategoricalAccuracy(yTrue, yPred);

accuracy.print();

使用注意事项

• yTrue 和 yPred 的维度必须相同。
• yTrue 张量的形状为 [batch_size]，其中 batch_size 是样本数量。
• yPred 张量的形状为 [batch_size, num_classes]，其中 num_classes 是类别或标签的数量。

此函数适用于带有稀疏分类问题的 TensorFlow.js 模型的性能评估，可以帮助程序员了解模型在多类别分类任务中的预测准确度。