Tensorflow 根据Keras的规则手册'；文档

我找到了关于它的两个主要来源

，未按照规则手册进行（我宁愿避免）

（我更喜欢避免意外）

我更喜欢遵循Keras的文档，以避免内存泄漏，因为这是一些使用Keras的人的情况
但Keras在文件中展示的是关于分类的。这不是我的情况。
所以我试着看一下Keras的源代码。确切地说是在文件中：

/lib/python3.7/site packages/tensorflow\u core/python/keras/metrics.py

。这对我一点帮助都没有，因为大多数度量（一些例外是分类度量）都是使用包装器完成的，如下代码所示：

@keras_export('keras.metrics.MeanSquaredError')
class MeanSquaredError(MeanMetricWrapper):
    """Computes the mean squared error between `y_true` and `y_pred`.

    For example, if `y_true` is [0., 0., 1., 1.], and `y_pred` is [1., 1., 1., 0.]
    the mean squared error is 3/4 (0.75).

    Usage:

    ```python
    m = tf.keras.metrics.MeanSquaredError()
    m.update_state([0., 0., 1., 1.], [1., 1., 1., 0.])
    print('Final result: ', m.result().numpy())  # Final result: 0.75
    ```

    Usage with tf.keras API:

    ```python
    model = tf.keras.Model(inputs, outputs)
    model.compile('sgd', metrics=[tf.keras.metrics.MeanSquaredError()])
    ```
    """

    def __init__(self, name='mean_squared_error', dtype=None):
        super(MeanSquaredError, self).__init__(
            mean_squared_error, name, dtype=dtype)

正如您所看到的，只有构造函数方法，对于我需要的

udpate\u state

方法没有很好的灵感
我在哪里能找到它

---

python 3.7.7
tensorflow 2.1.0
keras应用1.0.8

---

keras preprocessing 1.1.0

您可以使用损失函数作为度量，因此可以扩展

keras.loss.loss

。您只需覆盖

调用

，如中所示

import tensorflow as tf

class MeanSquaredError(tf.keras.losses.Loss):
    
    def call(self, y_true, y_pred):
        y_true = tf.cast(y_true, y_pred.dtype)
        return tf.math.reduce_mean(tf.math.square(y_pred - y_true), axis=-1)