Tensorflow中Estimator中的自定义eval_metric_ops

Question

我试图像这样在估算器的eval_metric_ops中添加r的平方：

def model_fn(features, labels, mode, params):
    predict = prediction(features, params, mode)
    loss = my_loss_fn
    eval_metric_ops = { 
        'rsquared': tf.subtract(1.0, tf.div(tf.reduce_sum(tf.squared_difference(label, tf.reduce_sum(tf.squared_difference(labels, tf.reduce_mean(labels)))),
                                   name = 'rsquared')
        }

    train_op = tf.contrib.layers.optimize_loss(
        loss = loss,
        global_step = global_step,
        learning_rate = 0.1,
        optimizer = "Adam"
    )

    predictions = {"predictions": predict}

    return tf.estimator.EstimatorSpec(
        mode = mode,
        predictions = predictions,
        loss = loss,
        train_op = train_op,
        eval_metric_ops = eval_metric_ops
    )

但我有以下错误：

TypeError：eval_metric_ops的值必须为（metric_value，update_op）元组，给定：键：rsquared的Tensor（“ rsquared：0”，shape =（），dtype = float32）

我也尝试过不使用name参数，但是没有任何改变。 您知道如何创建此eval_metric_ops吗？

Answer 1

eval_metric_ops需要按名称键入度量指标结果的字典。 dict的值是调用度量函数的结果。 您可以使用tf.metrics实现指标功能：

 def metric_fn(labels, predict):
    SST, update_op1 = tf.metrics.mean_squared_error(labels, tf.reduce_mean(labels))
    SSE, update_op2 = tf.metrics.mean_squared_error(labels, predictions )
    return tf.subtract(1.0, tf.div(SSE, SST)), tf.group(update_op1, update_op2))