Question

我使用tf.estimator.EstimatorSpec定义了我的模型。我知道它具有训练，评估和预测模式。但是我想在每个时期后检查一些指标得分，例如auc。该API是否像keras一样支持它？

Answer 1

没有直接的API用于添加类似AUC的度量标准，但是您可以使用Custom Metric Function创建tf.keras.metrics，然后使用tf.estimator.add_metrics在Estimator中使用这些度量标准。

示例代码展示了AUC的实现，如下所示：

  def my_auc(labels, predictions):
    auc_metric = tf.keras.metrics.AUC(name="my_auc")
    auc_metric.update_state(y_true=labels, y_pred=predictions['logistic'])
    return {'auc': auc_metric}

  estimator = tf.estimator.DNNClassifier(...)
  estimator = tf.estimator.add_metrics(estimator, my_auc)
  estimator.train(...)
  estimator.evaluate(...)

或

  def my_auc(labels, predictions, features):
    auc_metric = tf.keras.metrics.AUC(name="my_auc")
    auc_metric.update_state(y_true=labels, y_pred=predictions['logistic'],
                            sample_weight=features['weight'])
    return {'auc': auc_metric}

  estimator = tf.estimator.DNNClassifier(...)
  estimator = tf.estimator.add_metrics(estimator, my_auc)
  estimator.train(...)
  estimator.evaluate(...)

使用tf.estimator.EstimatorSpec时，如何在每个时期后检查评估auc？

1 个答案: