Metric

Metrik kelas abstrak publik

Subkelas Langsung yang Diketahui Kurangi <T perpanjang TNumber > Kurangi <T perpanjang TNumber > Meringkas metrik yang melakukan operasi pengurangan pada nilai metrik.

Subkelas Tidak Langsung yang Diketahui BinaryCrossentropy <T extends TNumber >, CategoricalCrossentropy <T extends TNumber >, CategoricalHinge <T extends TNumber >, CosineSimilarity <T extends TNumber >, Engsel <T extends TNumber >, KLDivergence <T extends TNumber >, LogCoshError <T extends TNumber >, Mean <T memperluas TNumber >, MeanAbsoluteError <T memperluas TNumber >, MeanAbsolutePercentageError <T memperluas TNumber >, MeanMetricWrapper <T memperluas TNumber >, MeanSquaredError <T memperluas TNumber >, MeanSquaredLogarithmicError <T memperluas TNumber >, Poisson <T memperluas TNumber >, SparseCategoricalCrossentropy < T memperluas TNomber >, SquaredHinge <T memperluas TNomber > BinaryCrossentropy <T memperluas TNumber > Metrik yang menghitung kerugian entropi silang biner antara label sebenarnya dan label prediksi. Crossentropy Kategoris <T extends TNumber > Metrik yang menghitung kerugian entropi silang kategoris antara label sebenarnya dan label prediksi. Engsel Kategoris <T memperluas Nomor T > Metrik yang menghitung metrik kerugian engsel kategoris antara label dan prediksi. CosineSimilarity <T extends TNumber > Metrik yang menghitung metrik kesamaan kosinus antara label dan prediksi. Engsel <T memanjang TNomor > Metrik yang menghitung metrik kerugian engsel antara label dan prediksi. KLDivergence <T memperluas TNumber > Metrik yang menghitung metrik kerugian divergensi Kullback-Leibler antara label dan prediksi. LogCoshError <T memperluas TNumber > Metrik yang menghitung logaritma kosinus hiperbolik metrik kesalahan prediksi antara label dan prediksi. Berarti <T memperluas TNomber > Metrik yang menerapkan rata-rata tertimbang WEIGHTED_MEAN MeanAbsoluteError <T memperluas TNumber > Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. MeanAbsolutePercentageError <T memperluas TNumber > Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. MeanMetricWrapper <T memperluas TNumber > Kelas yang menjembatani fungsi kerugian tanpa status dengan metrik Mean menggunakan pengurangan WEIGHTED_MEAN . MeanSquaredError <T memperluas TNumber > Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. MeanSquaredLogarithmicError <T memperluas TNumber > Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. Poisson <T memperluas TNomber > Metrik yang menghitung metrik kehilangan racun antara label dan prediksi. SparseCategoricalCrossentropy <T extends TNumber > Metrik yang menghitung kerugian entropi silang kategoris yang jarang antara label sebenarnya dan label prediksi. SquaredHinge <T memperluas TNumber > Metrik yang menghitung metrik kerugian engsel kuadrat antara label dan prediksi.

Kelas dasar untuk Metrik

Metode Publik

Operan terakhir <T>	callOnce ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Memanggil status pembaruan satu kali, diikuti dengan panggilan untuk mendapatkan hasilnya
Rangkaian	dapatkan Nama () Mendapatkan nama metrik ini.
panjang	dapatkan Benih () Mendapatkan nilai benih penghasil angka acak
Operasi	dapatkanTF () Mendapatkan Operasi TensorFlow
abstrak Op	resetStatus () Menyetel ulang variabel status apa pun ke nilai awalnya
Operan abstrak <T>	hasil () Mendapatkan hasil metrik saat ini
operasi terakhir	updateState ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik
operasi terakhir	updateState ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan label dan prediksi.
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan nilai input.

Metode Warisan

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Metode Publik

public final Operand <T> callOnce ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights)

Memanggil status pembaruan satu kali, diikuti dengan panggilan untuk mendapatkan hasilnya

Parameter

nilai-nilai	input yang akan diteruskan ke status pembaruan, ini tidak boleh nol
sampelBerat	bobot sampel yang akan diterapkan pada nilai, mungkin nol.

Kembali

• hasilnya, mungkin dengan ketergantungan kontrol

GetName String publik ()

Mendapatkan nama metrik ini.

Kembali

• nama metrik ini

getSeed panjang publik ()

Mendapatkan nilai benih penghasil angka acak

Kembali

• nilai benih penghasil angka acak

Ops publik getTF ()

Mendapatkan Operasi TensorFlow

Kembali

• Operasi TensorFlow

abstrak publik Op resetStates ()

Menyetel ulang variabel status apa pun ke nilai awalnya

Kembali

• operasi kontrol untuk melakukan reset

hasil operan abstrak publik <T> ()

Mendapatkan hasil metrik saat ini

Kembali

• hasilnya, mungkin dengan ketergantungan kontrol

public final Op updateState ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights)

Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik

Parameter

label	labelnya
prediksi	prediksi
sampelBerat	bobot sampel yang akan diterapkan pada nilai, mungkin nol.

Kembali

• Operasi untuk memperbarui status metrik

public final Op updateState ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights)

Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik

Parameter

nilai-nilai	input yang akan diteruskan ke status pembaruan, ini tidak boleh nol
sampelBerat	bobot sampel yang akan diterapkan pada nilai, mungkin nol.

Kembali

• Operasi untuk memperbarui status metrik

Daftar publik< Op > updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights)

Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan label dan prediksi.

Ini adalah implementasi kosong yang harus ditimpa di sub kelas, jika diperlukan.

Parameter

label	labelnya
prediksi	prediksi
sampelBerat	bobot sampel yang akan diterapkan pada nilai, mungkin nol.

Kembali

• Daftar Operasi untuk memperbarui status metrik

Daftar publik< Op > updateStateList ( Operan <? extends TNumber > nilai, Operan <? extends TNumber > sampleWeights)

Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan nilai input.

Ini adalah implementasi kosong yang harus ditimpa di subkelas, jika diperlukan.

Parameter

nilai-nilai	input yang akan diteruskan ke status pembaruan, ini tidak boleh nol
sampelBerat	bobot sampel yang akan diterapkan pada nilai, mungkin nol.

Kembali

• Daftar Operasi untuk memperbarui status metrik