MeanMetricWrapper

الطبقة العامة MeanMetricWrapper

الفئات الفرعية المباشرة المعروفة BinaryCrossentropy <T يمتد TNumber >، CategoricalCrossentropy <T يمتد TNumber >، CategoricalHinge <T يمتد TNumber >، CosineSimilarity <T يمتد TNumber >، المفصلة <T يمتد TNumber >، KLDivergence <T يمتد TNumber >، LogCoshError <T يمتد TNumber >، MeanAbsoluteError <T يمتد TNumber >، MeanAbsolutePercentageError <T يمتد TNumber >، MeanSquaredError <T يمتد TNumber >، MeanSquaredLogarithmicError <T يمتد TNumber >، بواسون <T يمتد TNumber >، SparseCategoricalCrossentropy <T يمتد TNumber >، SquaredHinge <T يمتد TNumber > BinaryCrossentropy <T يمتد TNumber > مقياس يحسب الخسارة الثنائية للإنتروبيا المتبادلة بين التسميات الحقيقية والتسميات المتوقعة. CategoricalCrossentropy <T يمتد TNumber > مقياس يحسب الخسارة الفئوية للإنتروبيا المتبادلة بين التسميات الحقيقية والتسميات المتوقعة. المفصلة القاطعة <T تمتد TNumber > مقياس يحسب مقياس فقدان المفصلة الفئوي بين التسميات والتنبؤات. تشابه جيب التمام <T يمتد TNumber > مقياس يحسب مقياس تشابه جيب التمام بين التسميات والتنبؤات. المفصلة <T تمتد TNumber > مقياس يحسب مقياس فقدان المفصلة بين التسميات والتنبؤات. KLDivergence <T يمتد TNumber > مقياس يحسب مقياس خسارة التباعد Kullback-Leibler بين التسميات والتنبؤات. LogCoshError <T يمتد TNumber > مقياس يحسب لوغاريتم جيب التمام الزائدي لمقياس خطأ التنبؤ بين التسميات والتنبؤات. MeanAbsoluteError <T يمتد TNumber > مقياس يحسب متوسط ​​الفرق المطلق بين التسميات والتنبؤات. MeanAbsolutePercentageError <T يمتد TNumber > مقياس يحسب متوسط ​​الفرق المطلق بين التسميات والتنبؤات. MeanSquaredError <T يمتد TNumber > مقياس يحسب متوسط ​​الفرق المطلق بين التسميات والتنبؤات. MeanSquaredLogarithmicError <T يمتد TNumber > مقياس يحسب متوسط ​​الفرق المطلق بين التسميات والتنبؤات. بواسون <T يمتد TNumber > مقياس يحسب مقياس فقدان بواسون بين التسميات والتنبؤات. SparseCategoricalCrossentropy <T يمتد TNumber > مقياس يحسب الخسارة الفئوية المتقاطعة للإنتروبيا بين التسميات الحقيقية والتسميات المتوقعة. SquaredHinge <T يمتد TNumber > مقياس يحسب مقياس خسارة المفصلة التربيعية بين التسميات والتنبؤات.

فئة تعمل على ربط دالة خسارة عديمة الحالة مع مقياس Mean ​​باستخدام تقليل WEIGHTED_MEAN .

تحسب دالة الخسارة الخسارة بين labels predictions ثم تمرر هذه الخسارة إلى مقياس Mean ​​لحساب المتوسط ​​المرجح للخسارة على مدار العديد من التكرارات أو العصور

الثوابت الموروثة

من الفصل org.tensorflow.framework.metrics.impl.Reduce

خيط	عدد
خيط	المجموع

الأساليب العامة

قياس الخسارة <T>	الحصول على الخسارة () يحصل على وظيفة الخسارة.
قائمة< المرجع >	updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights) ينشئ عمليات تعمل على تحديث حالة القياس المتوسط، عن طريق استدعاء دالة الخسارة وتمرير الخسارة إلى مقياس المتوسط ​​لحساب المتوسط ​​المرجح للخسارة عبر العديد من التكرارات.

الطرق الموروثة

من الفصل org.tensorflow.framework.metrics.impl.Reduce

متغير <T>	الحصول على الكونت () الحصول على متغير العدد
فئة<T>	نوع النتيجة () يحصل على نوع المتغيرات
متغير <T>	الحصول على المجموع () الحصول على المتغير الإجمالي
مرجع سابق	إعادة تعيين الحالات () يعيد تعيين أي متغيرات الحالة إلى قيمها الأولية
المعامل <T>	نتيجة () الحصول على النتيجة الحالية للقياس
قائمة< المرجع >	updateStateList ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) يقوم بتحديث متغيرات القياس بناءً على المدخلات.

من فئة org.tensorflow.framework.metrics.Metric

المعامل النهائي <T>	callOnce ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) يتم تحديث حالة المكالمات مرة واحدة، تليها مكالمة للحصول على النتيجة
خيط	الحصول على الاسم () يحصل على اسم هذا المقياس.
طويل	الحصول على البذور () يحصل على القيمة الأولية لمولد الأرقام العشوائية
العمليات	جيتف () يحصل على TensorFlow Ops
مجردة المرجع	إعادة تعيين الحالات () يعيد تعيين أي متغيرات الحالة إلى قيمها الأولية
المعامل المجرد <T>	نتيجة () الحصول على النتيجة الحالية للقياس
المرجع النهائي	updateState ( المعامل <? يمتد TNumber > التسميات، والمعامل <? يمتد TNumber > التنبؤات، والمعامل <? يمتد TNumber > SampleWeights) ينشئ عملية NoOp مع تبعيات التحكم لتحديث حالة القياس
المرجع النهائي	updateState ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) ينشئ عملية NoOp مع تبعيات التحكم لتحديث حالة القياس
قائمة< المرجع >	updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights) إنشاء قائمة عمليات لتحديث حالة القياس بناءً على التسميات والتنبؤات.
قائمة< المرجع >	updateStateList ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) إنشاء قائمة عمليات لتحديث حالة القياس بناءً على قيم الإدخال.

من فئة java.lang.Object

منطقية	يساوي (كائن arg0)
الدرجة النهائية<?>	الحصول على كلاس ()
كثافة العمليات	رمز التجزئة ()
الفراغ النهائي	إعلام ()
الفراغ النهائي	إعلام الكل ()
خيط	إلى سلسلة ()
الفراغ النهائي	انتظر (طويل arg0، int arg1)
الفراغ النهائي	انتظر (طويل arg0)
الفراغ النهائي	انتظر ()

الأساليب العامة

LossMetric العام <T> getLoss ()

يحصل على وظيفة الخسارة.

عائدات

• وظيفة الخسارة.

القائمة العامة < Op > updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights)

ينشئ عمليات تعمل على تحديث حالة القياس المتوسط، عن طريق استدعاء دالة الخسارة وتمرير الخسارة إلى مقياس المتوسط ​​لحساب المتوسط ​​المرجح للخسارة عبر العديد من التكرارات.

حدود

تسميات	قيم الحقيقة أو التسميات
التنبؤات	التوقعات
أوزان عينة	تعمل أوزان العينات الاختيارية كمعامل للخسارة. إذا تم توفير العدد، فسيتم ببساطة قياس الخسارة بالقيمة المحددة. إذا كانت SampleWeights عبارة عن موتر بالحجم [batch_size]، فسيتم إعادة قياس الخسارة الإجمالية لكل عينة من الدُفعة بواسطة العنصر المقابل في ناقل SampleWeights. إذا كان شكل أوزان العينات هو [batch_size, d0, .. dN-1] (أو يمكن بثه إلى هذا الشكل)، فسيتم قياس كل عنصر خسارة في التنبؤات بالقيمة المقابلة لأوزان العينة. (ملاحظة حول dN-1: جميع دوال الخسارة تقلل بمقدار بُعد واحد، وعادة ما يكون المحور=-1.)

عائدات

• قائمة عمليات التحكم التي تقوم بتحديث متغيرات الحالة المتوسطة.