在我的例子中，有状态在tensorflow度量中意味着什么？

我真的不理解这里有状态度量的解释：

现在，如果我将评估数据分批进行，并且对于每个批次，我使用tf.metrics.precision作为精度，这是否意味着之前的变量（计数器误报等）将用于下一批次的计算？这将非常糟糕，因为我希望每个批次都有一个单独的评估（这就是为什么我要进行拆分！）

如果是这种情况，我如何重置每个批次的变量

---

我需要每个批次中的单个值作为之后的平均值。

为什么

tf.metrics.Precision

等（召回等）存储真/假阳性是因为我们不希望按批次进行估计（与准确度或损失等不同）。

keras

（注意，不是

tf.keras

）中精度的最初实现与您描述的完全一样（对每个批次进行单独评估，然后在之后进行汇总），但后来在版本2.0.0中被删除，因为这种计算全局度量的方法“误导大于帮助”（）

但是您仍然可以做您想做的事情，您可以将

tf.metrics.Metric

子类化，并在

update\u state

方法中实现精度逻辑。Tensorflow上的Metric API文档有一个自定义度量的示例

我希望这是有帮助的