TensorFlow函数：tf.metrics.mean_absolute_error

tf.metrics.mean_absolute_error函数

tf.metrics.mean_absolute_error(
    labels,
    predictions,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

定义在：tensorflow/python/ops/metrics_impl.py.

计算labels和predictions之间的平均绝对误差.

该mean_absolute_error函数创建两个局部变量,total和count,它们被用来计算平均绝对误差.该平均是通过weights加权,并最终作为mean_absolute_error返回：一种幂等运算,简单地用count除total.

为了估计数据流上的度量,该函数创建一个update_op操作来更新这些变量并返回mean_absolute_error.在内部,absolute_errors操作计算predictions和labels之间差异的绝对值.然后update_op通过weights和absolute_errors乘积的减少总和来递增total,并且它通过weights的减少总和来递增count.

如果weights是None,则权重默认为1,使用0的权重来屏蔽值.

参数：

• labels：与predictions具有相同形状的Tensor.
• predictions：任意形状的Tensor.
• weights：可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1或与相应的labels维度相同).
• metrics_collections：mean_absolute_error应添加到的集合的可选列表.
• updates_collections：update_op应添加到的集合的可选列表.
• name：可选的variable_scope名称.

返回：

• mean_absolute_error：表示当前均值的Tensor,total除以count的值.
• update_op：适当增加total和count变量,并且其值与mean_absolute_error匹配的操作.

可能引发的异常：

• ValueError：如果predictions和labels具有不匹配的形状,或者weights不是None,并且它的形状与predictions不匹配,或者如果metrics_collections或updates_collections中的任意一个不是一个列表或元组.
• RuntimeError：如果启用了急切执行.