0
調査の必要性から、私はtf.Metrics.mean_squared_errorの精度をチェックしたいと思います。驚いたことに、彼らは非常に異なっています。私は説明を求める。ここでは私の実験の簡単な説明とサンプルコードを示します。の精度tf.metrics.mean_squared_error
1）トレーニングデータ全体をtf.Metrics.mean_squared_errorで評価します。 2）すべての同じ訓練データのすべての "Xs"（または画像）を与えられた予測を最初に収集し、次にすべての地上の真理（またはその両方）で平均自乗誤差を計算することによって、ステップ1の直後に再び評価する。ラベル）との間の関係を示す。
（1）浮動小数点精度の損失が蓄積され、（2）tf.Metrics.mean_square_errorは、その実装で見かけ上移動平均を適用して不正確さをもたらします。
どのようなrelaventのアイデアも大変ありがとうございます。ありがとう！
import tensorflow as tf
from numpy import genfromtxt
tf.logging.set_verbosity(tf.logging.INFO)
# (hyper)parameters
batch_size = 200
num_epochs = 1000
steps = 1000
# prepare data
with tf.Session() as sess:
training_x = sess.run(tf.random_normal([2048, 16], mean=-1, stddev=4, dtype=tf.float64))
training_y = norm = sess.run(tf.random_normal([2048, 1], mean=-1, stddev=4, dtype=tf.float64))
# input function
_input_fn = lambda _input_path: genfromtxt(_input_path, delimiter=',')
input_training = tf.contrib.learn.io.numpy_input_fn({"input": training_x}, training_y,
batch_size=batch_size, num_epochs=num_epochs)
input_evaluate_train_data = tf.contrib.learn.io.numpy_input_fn({"input": training_x}, training_y)
# remember to give the same column name as used in _input_fn
features = [tf.contrib.layers.real_valued_column('input', dimension=16)]
regressor = tf.contrib.learn.DNNRegressor(feature_columns=features,
hidden_units=[32, 8],
dropout=0.1,
model_dir="testDNNR/result",
optimizer=tf.train.AdamOptimizer(learning_rate=0.008),
activation_fn=tf.nn.elu)
# training
regressor.fit(input_fn=input_training, steps=steps)
# testing with training data
eval_metric_ops = {
"mse": lambda targets, predictions: tf.metrics.mean_squared_error(tf.cast(targets, tf.float64), predictions)
}
ev = regressor.evaluate(input_fn=input_evaluate_train_data, steps=1, metrics=eval_metric_ops)
pred = regressor.predict(input_fn=input_evaluate_train_data, as_iterable=False)
# using my MSE
mse = ((training_y - pred) ** 2).mean()
print ("evaluation result given training data using my MSE: " + str(mse))
print ("evaluation result given training data using the library built-in MSE: " + str(ev))