Tensorflow.js tf.metrics.categoricalAccuracy()函数介绍

Tensorflow.js tf.metrics.categoricalAccuracy()函数是用于计算多分类问题中模型的准确率（Accuracy）的函数。

在计算准确率时，将模型的预测与真实的标签进行比较，统计有多少比例的样本预测正确。

函数的输入有两个张量：预测值和真实标签。其中，预测值通常是模型预测出来的结果，真实标签是样本真实的分类标签。

函数的输出是一个标量张量，表示模型的准确率。

代码示例

下面给出一个使用tf.metrics.categoricalAccuracy()函数计算准确率的示例代码：

// 导入Tensorflow.js库
import * as tf from '@tensorflow/tfjs';

// 创建预测值和真实标签张量
const predictions = tf.tensor2d([[0.9, 0.1], [0.1, 0.9], [0.8, 0.2], [0.3, 0.7]]);
const labels = tf.tensor2d([[1, 0], [0, 1], [1, 0], [0, 1]]);

// 计算准确率
const acc = tf.metrics.categoricalAccuracy(predictions, labels);

// 打印准确率
acc.print();

上述代码中，预测值张量有4个样本，每个样本有2个输出，表示2个类别的概率值。真实标签也有4个样本，每个样本也有2个输出，表示样本的类别标签。

函数的执行结果是一个标量张量，打印出来的结果是所有样本的平均准确率。

注意事项

在使用tf.metrics.categoricalAccuracy()函数时，需要注意以下几点：

1. 预测值和真实标签的形状必须一致。

2. 预测值和真实标签的取值必须都是0或1。

3. 函数的输入张量可以是CPU或GPU张量，但是函数返回的标量张量是CPU张量。