MeanMetricWrapper

classe publique MeanMetricWrapper

Sous-classes directes connues BinaryCrossentropy <T étend TNumber >, CategoricalCrossentropy <T étend TNumber >, CategoricalHinge <T étend TNumber >, CosineSimilarity <T étend TNumber >, Hinge <T étend TNumber >, KLDivergence <T étend TNumber >, LogCoshError <T étend TNumber >, MeanAbsoluteError <T étend TNumber >, MeanAbsolutePercentageError <T étend TNumber >, MeanSquaredError <T étend TNumber >, MeanSquaredLogarithmicError <T étend TNumber >, Poisson <T étend TNumber >, SparseCategoricalCrossentropy <T étend TNumber >, SquaredHinge <T étend TNumber > BinaryCrossentropy <T étend TNumber > Une métrique qui calcule la perte d'entropie croisée binaire entre les étiquettes réelles et les étiquettes prédites. CategoricalCrossentropy <T étend TNumber > Une métrique qui calcule la perte d'entropie croisée catégorielle entre les étiquettes réelles et les étiquettes prédites. CategoricalHinge <T étend TNumber > Une métrique qui calcule la métrique de perte de charnière catégorielle entre les étiquettes et les prédictions. CosineSimilarity <T étend TNumber > Métrique qui calcule la métrique de similarité cosinus entre les étiquettes et les prédictions. Charnière <T étend TNombre > Une métrique qui calcule la métrique de perte de charnière entre les étiquettes et les prédictions. KLDivergence <T étend TNumber > Une métrique qui calcule la métrique de perte de divergence Kullback-Leibler entre les étiquettes et les prédictions. LogCoshError <T étend TNumber > Métrique qui calcule le logarithme du cosinus hyperbolique de la métrique d’erreur de prédiction entre les étiquettes et les prédictions. MeanAbsoluteError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MeanAbsolutePercentageError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MeanSquaredError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MeanSquaredLogarithmicError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. Poisson <T étend TNumber > Une métrique qui calcule la métrique de perte de poisson entre les étiquettes et les prédictions. SparseCategoricalCrossentropy <T étend TNumber > Une métrique qui calcule la perte d'entropie croisée catégorielle clairsemée entre les étiquettes réelles et les étiquettes prédites. SquaredHinge <T étend TNumber > Métrique qui calcule la métrique de perte de charnière carrée entre les étiquettes et les prédictions.

Classe qui relie une fonction de perte sans état avec la métrique Mean en utilisant une réduction de WEIGHTED_MEAN .

La fonction de perte calcule la perte entre les labels et predictions , puis transmet cette perte à la métrique Mean pour calculer la moyenne pondérée de la perte sur plusieurs itérations ou époques.

Constantes héritées

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

Chaîne	COMPTER
Chaîne	TOTAL

Méthodes publiques

LossMetric <T>	obtenirPerte () Obtient la fonction de perte.
Liste< Op >	updateStateList ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée des opérations qui mettent à jour l'état de la métrique moyenne, en appelant la fonction de perte et en transmettant la perte à la métrique moyenne pour calculer la moyenne pondérée de la perte sur plusieurs itérations.

Méthodes héritées

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

Variable <T>	getCount () Obtient la variable de comptage
Classe<T>	getResultType () Obtient le type des variables
Variable <T>	obtenirTotal () Obtient la variable totale
Opération	réinitialiserÉtats () Réinitialise toutes les variables d'état à leurs valeurs initiales
Opérande <T>	résultat () Obtient le résultat actuel de la métrique
Liste< Op >	updateStateList ( Operand <? extends TNumber > valeurs, Operand <? extends TNumber > sampleWeights) Met à jour les variables métriques en fonction des entrées.

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

Opérande final <T>	callOnce ( Opérande <? étend TNumber > valeurs, Opérande <? étend TNumber > sampleWeights) Appelle l'état de mise à jour une fois, suivi d'un appel pour obtenir le résultat
Chaîne	obtenirNom () Obtient le nom de cette métrique.
long	obtenirSeed () Obtient la valeur de départ du générateur de nombres aléatoires
Opérations	obtenirTF () Obtient les opérations TensorFlow
opération abstraite	réinitialiserÉtats () Réinitialise toutes les variables d'état à leurs valeurs initiales
Opérande abstrait <T>	résultat () Obtient le résultat actuel de la métrique
opération finale	updateState ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée une opération NoOp avec des dépendances de contrôle pour mettre à jour l'état de la métrique
opération finale	updateState ( Opérande <? étend TNumber > valeurs, Opérande <? étend TNumber > sampleWeights) Crée une opération NoOp avec des dépendances de contrôle pour mettre à jour l'état de la métrique
Liste< Op >	updateStateList ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée une liste d'opérations pour mettre à jour l'état de la métrique en fonction des étiquettes et des prédictions.
Liste< Op >	updateStateList ( Operand <? extends TNumber > valeurs, Operand <? extends TNumber > sampleWeights) Crée une liste d'opérations pour mettre à jour l'état de la métrique en fonction des valeurs d'entrée.

De la classe java.lang.Object

booléen	est égal à (Objet arg0)
Classe finale<?>	obtenirClasse ()
int	Code de hachage ()
vide final	notifier ()
vide final	notifierTous ()
Chaîne	àChaîne ()
vide final	attendre (long arg0, int arg1)
vide final	attendez (long arg0)
vide final	attendez ()

Méthodes publiques

public LossMetric <T> getLoss ()

Obtient la fonction de perte.

Retour

• la fonction de perte.

public List< Op > updateStateList ( Operand <? extends TNumber > labels, Operand <? extends TNumber > prédictions, Operand <? extends TNumber > sampleWeights)

Crée des opérations qui mettent à jour l'état de la métrique moyenne, en appelant la fonction de perte et en transmettant la perte à la métrique moyenne pour calculer la moyenne pondérée de la perte sur plusieurs itérations.

Paramètres

Étiquettes	les valeurs ou étiquettes de vérité
prédictions	les prédictions
exemples de poids	sampleWeights facultatif agit comme un coefficient pour la perte. Si un scalaire est fourni, alors la perte est simplement adaptée à la valeur donnée. Si sampleWeights est un tenseur de taille [batch_size], alors la perte totale pour chaque échantillon du lot est redimensionnée par l'élément correspondant dans le vecteur sampleWeights. Si la forme de sampleWeights est [batch_size, d0, .. dN-1] (ou peut être diffusée sous cette forme), alors chaque élément de perte de prédictions est mis à l'échelle par la valeur correspondante de sampleWeights. (Remarque sur dN-1 : toutes les fonctions de perte sont réduites d'une dimension, généralement axis=-1.)

Retour

• une liste d'opérations de contrôle qui met à jour les variables d'état moyen.