模型评估

评价函数和loss函数非常相似，但不参与模型的训练优化。

评价函数的输入为模型的预测值(preds)和标注值(labels)，并返回计算后的评价指标。

不同类型的任务，会选用不同的评价指标。

回归问题通常会用RMSE(均方根误差)，MAE(平均绝对误差)，R-Square(R平方)等 AUC(Area Under Cure)指标则常被用在分类任务(classification)上目标检测任务(Object Detection)则经常会用到mAP(Mean Average Precision)

下面是使用Precision指标的示例:

自定义指标

Fluid支持自定义指标，可灵活支持各类计算任务。下面是一个自定义的简单计数器评价函数示例:

class MyMetric(MetricBase):
    def __init__(self, name=None):
        super(MyMetric, self).__init__(name)
 
    def reset(self):
        self.counter = 0
 
    def update(self, preds, labels):
            raise ValueError("The 'preds' must be a numpy ndarray.")
        if not _is_numpy_(labels):
            raise ValueError("The 'labels' must be a numpy ndarray.")
        self.counter += sum(preds == labels)
 
        return self.counter