Mean

clase pública media

Subclases directas conocidas MeanMetricWrapper <T extiende TNumber > MeanMetricWrapper <T extiende TNumber > Una clase que une una función de pérdida sin estado con la métrica Mean mediante una reducción de WEIGHTED_MEAN .

Subclases indirectas conocidas BinaryCrossentropy <T extiende TNumber >, CategoricalCrossentropy <T extiende TNumber >, CategoricalHinge <T extiende TNumber >, CosineSimilarity <T extiende TNumber >, Hinge <T extiende TNumber >, KLDivergence <T extiende TNumber >, LogCoshError <T extiende TNumber >, MeanAbsoluteError <T extiende TNumber >, MeanAbsolutePercentageError <T extiende TNumber >, MeanSquaredError <T extiende TNumber >, MeanSquaredLogarithmicError <T extiende TNumber >, Poisson <T extiende TNumber >, SparseCategoricalCrossentropy <T extiende TNumber >, SquaredHinge <T extiende TNumber > BinaryCrossentropy <T extiende TNumber > Métrica que calcula la pérdida de entropía cruzada binaria entre etiquetas verdaderas y etiquetas previstas. CategoricalCrossentropy <T extiende TNumber > Métrica que calcula la pérdida de entropía cruzada categórica entre etiquetas verdaderas y etiquetas previstas. Bisagra categórica <T extiende TNumber > Métrica que calcula la métrica de pérdida de bisagra categórica entre etiquetas y predicciones. CosenoSimilaridad <T extiende TNumber > Métrica que calcula la métrica de similitud del coseno entre etiquetas y predicciones. Bisagra <T extiende TNumber > Una métrica que calcula la métrica de pérdida de bisagra entre etiquetas y predicciones. KLDivergencia <T extiende TNumber > Métrica que calcula la métrica de pérdida de divergencia de Kullback-Leibler entre etiquetas y predicciones. LogCoshError <T extiende TNumber > Métrica que calcula el logaritmo del coseno hiperbólico de la métrica de error de predicción entre etiquetas y predicciones. MeanAbsoluteError <T extiende TNumber > Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. MeanAbsolutePercentageError <T extiende TNumber > Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. MeanSquaredError <T extiende TNumber > Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. MeanSquaredLogarithmicError <T extiende TNumber > Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. Poisson <T extiende TNumber > Una métrica que calcula la métrica de pérdida de Poisson entre etiquetas y predicciones. SparseCategorialCrossentropy <T extiende TNumber > Una métrica que calcula la escasa pérdida de entropía cruzada categórica entre etiquetas verdaderas y etiquetas predichas. SquaredHinge <T extiende TNumber > Una métrica que calcula la métrica de pérdida de bisagra al cuadrado entre etiquetas y predicciones.

Una métrica que implementa una media ponderada WEIGHTED_MEAN

Constantes heredadas

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

Cadena	CONTAR
Cadena	TOTAL

Métodos heredados

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 (largo arg0)
vacío final	esperar ()