python - 用于评估的 Tensorflow 平均绝对误差 (MAE)

Question

查看 MAE 的 tensorflow 文档，我看到了 tf.metrics.mean_absolute_error将返回:

• mean_absolute_error:表示当前均值的 Tensor，总值除以计数。
• update_op:适当递增 total 和 count 变量且其值与 mean_absolute_error 匹配的操作。

如何为评估目的实现这个？如前所述here :

mean_absolute_error is intended for evaluation and so it doesn't have a gradient. mean_absolute_error also returns an update op (which are you ignoring in the code above) that must be used to update the mean, so the concept of a gradient for this function doesn't really make sense. The update op for tf.metrics.mean_absolute_error(pred, y) must be called before the mean can be obtained.

我不知道如何处理 mean_absolute_error 函数的返回值。有人可以用这个功能写一个简单的例子吗？非常感谢。

Answer 1

听起来您不确定返回的张量/操作的含义以及如何使用它们。这是一篇很好的文章，解释了如何以及为什么:http://ronny.rest/blog/post_2017_09_11_tf_metrics/

对于简单的自包含示例用法，您可以查看测试。例如:https://github.com/tensorflow/tensorflow/blob/cda36b817e9998906da37ec87c525f1b278c71a7/tensorflow/python/kernel_tests/metrics_test.py#L2816