KLDivergence

clase pública KLDivergencia

Métrica que calcula la métrica de pérdida de divergencia de Kullback-Leibler entre etiquetas y predicciones.

Constantes heredadas

De la clase org.tensorflow.framework.metrics.impl.Reduce

Cadena	CONTAR
Cadena	TOTAL

Constructores Públicos

KLDivergence (Ops tf, nombre de cadena, semilla larga, tipo Clase<T>) Crea una métrica KLDivergence

Métodos públicos

Operando <T>

llamada ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones) Calcula la pérdida ponderada entre labels y predictions

Métodos heredados

De la clase org.tensorflow.framework.metrics.impl.MeanMetricWrapper

Métrica de pérdida <T>	obtenerpérdida () Obtiene la función de pérdida.
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea operaciones que actualizan el estado de la métrica media llamando a la función de pérdida y pasando la pérdida a la métrica media para calcular la media ponderada de la pérdida en muchas iteraciones.

De la clase org.tensorflow.framework.metrics.impl.Reduce

Variable <T>	obtenerContar () Obtiene la variable de recuento
Clase<T>	getResultType () Obtiene el tipo de las variables.
Variable <T>	obtenerTotal () Obtiene la variable total
Op.	restablecerEstados () Restablece cualquier variable de estado a sus valores iniciales.
Operando <T>	resultado () Obtiene el resultado actual de la métrica.
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Actualiza las variables métricas en función de las entradas.

De la clase org.tensorflow.framework.metrics.Metric

Operando final <T>	callOnce ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Las llamadas actualizan el estado una vez, seguidas de una llamada para obtener el resultado
Cadena	obtenerNombre () Obtiene el nombre de esta métrica.
largo	obtener semilla () Obtiene el valor inicial del generador de números aleatorios.
operaciones	obtenerTF () Obtiene las operaciones de TensorFlow
operación abstracta	restablecerEstados () Restablece cualquier variable de estado a sus valores iniciales.
Operando abstracto <T>	resultado () Obtiene el resultado actual de la métrica.
operación final	updateState ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea una operación NoOp con dependencias de control para actualizar el estado de la métrica
operación final	updateState ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Crea una operación NoOp con dependencias de control para actualizar el estado de la métrica
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea una lista de operaciones para actualizar el estado de la métrica en función de etiquetas y predicciones.
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Crea una lista de operaciones para actualizar el estado de la métrica en función de los valores de entrada.

De la clase java.lang.Object

booleano	es igual (Objeto arg0)
Clase final<?>	obtenerclase ()
En t	código hash ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cadena	Encadenar ()
vacío final	esperar (arg0 largo, int arg1)
vacío final	espera (arg0 largo)
vacío final	esperar ()

Desde la interfaz org.tensorflow.framework.metrics.impl.LossMetric

Operando abstracto <T>

llamada ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones) Calcula la pérdida ponderada entre labels y predictions

Constructores Públicos

KLDivergence pública (Ops tf, nombre de cadena, semilla larga, tipo Clase<T>)

Crea una métrica KLDivergence

Parámetros

tf	las operaciones de TensorFlow
nombre	el nombre de esta métrica; si es nulo, el nombre de la métrica es getSimpleName() .
semilla	la semilla para la generación de números aleatorios. Un inicializador creado con una semilla determinada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos determinados.
tipo	el tipo de las variables y el resultado

Métodos públicos

Llamada pública al operando <T> ( operando <? extiende las etiquetas TNumber >, operando <? extiende las predicciones TNumber >)

Calcula la pérdida ponderada entre labels y predictions

Parámetros

etiquetas	los valores o etiquetas de verdad
predicciones	las predicciones

Devoluciones

• la pérdida