Tensorflow使用来自先前迭代的值为指标计算update_op

时间:2019-04-10 04:00:52

标签: python tensorflow

我正在使用自定义指标,我的.ant-input { &:hover { border-color: $primary-red; } &:focus { border-color: $primary-red; box-shadow: none; } } 是当前值和上一次运行的值的函数。我该如何使用它们?我有这样的东西

update_op

已更新:指标的工作方式是在评估的每一步中,对变量进行汇总。这样做的目的是使度量标准值始终是到目前为止所看到的所有数据的值,而不是最后一批计算的值。例如,如果您有x, y = f(data) var1 = metric_variable([], dtypes.float32) var1_op = state_ops.assign_add(var1, x + y_previous_iteration) var2 = metric_variable([], dtypes.float32) var2_op = state_ops.assign_add(var2, y) value = _aggregate_across_replicas( metrics_collections, f2, var1, var2) update_op = f2(var1_op, var2_op) ,则表示每次迭代var1_op = state_ops.assign_add(var1, x)。例如,我简化了var1 = var1_prev + x here的计算。我需要做auc

1 个答案:

答案 0 :(得分:0)

我解决了这个问题。这个想法受streaming_concat的启发,创建了一个大小为2*size的变量(其中sizey的长度),将先前运行的数据保留在{的第一部分{1}},第二部分的新值是y。这是代码:

[y_prev, y]