Metric은 모델의 성능을 판단하는 함수입니다. Metric 함수는 모델이 컴파일될 때 metrics 파라미터로 제공됩니다.
model.compile(loss='mean_squared_error',
optimizer='sgd',
metrics=['mae', 'acc'])
from keras import metrics
model.compile(loss='mean_squared_error',
optimizer='sgd',
metrics=[metrics.mae, metrics.categorical_accuracy])
Metric 함수는 손실 함수와 비슷하지만, 모델을 훈련 중일 때는 metric을 평가한 값이 사용되지 않는다는 점은 다릅니다.
존재하는 metric의 이름을 넘겨도 되지만 미리 정의되어 있는 Theano/TensorFlow 의 함수를 넘길 수도 있습니다(‣ 를 참조).
인수
반환값
모든 데이터포인트에 걸친 출력 배열의 평균을 표현하는 하나의 텐서 값을 반환합니다.
binary_accuracy(y_true, y_pred)
categorical_accuracy(y_true, y_pred)
sparse_categorical_accuracy(y_true, y_pred)
top_k_categorical_accuracy(y_true, y_pred, k=5)
sparse_top_k_categorical_accuracy(y_true, y_pred, k=5)
사용자 정의 metrics은 컴파일 단계에서 넘겨질 수 있습니다. 함수는 (y_true, y_pred)를 인수로 받아야 하고 하나의 텐서 값을 반환합니다.
import keras.backend as K
def mean_pred(y_true, y_pred):
return K.mean(y_pred)
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy', mean_pred])
이 문서는 Keras의 Metrics을 번역한 것입니다.