MeanMetricWrapper

classe pubblica MeanMetricWrapper

Sottoclassi dirette conosciute BinaryCrossentropy <T estende TNumber >, CategoricalCrossentropy <T estende TNumber >, CategoricalHinge <T estende TNumber >, CosineSimilarity <T estende TNumber >, Hinge <T estende TNumber >, KLDivergence <T estende TNumber >, LogCoshError <T estende TNumber >, MeanAbsoluteError <T estende TNumber >, MeanAbsolutePercentageError <T estende TNumber >, MeanSquaredError <T estende TNumber >, MeanSquaredLogarithmicError <T estende TNumber >, Poisson <T estende TNumber >, SparseCategoricalCrossentropy <T estende TNumber >, SquaredHinge <T estende TNumber > BinaryCrossentropy <T estende TNumero > Una metrica che calcola la perdita binaria di entropia incrociata tra le etichette vere e quelle previste. Entropia incrociata categoriale <T estende TNumero > Una metrica che calcola la perdita di entropia incrociata categorica tra le etichette vere e quelle previste. CategoricalHinge <T estende TNumero > Una metrica che calcola la metrica della perdita di cerniera categoriale tra etichette e previsioni. CosenoSimilarità <T estende TNumero > Una metrica che calcola la metrica di similarità del coseno tra etichette e previsioni. La cerniera <T estende TNumero > Una metrica che calcola la metrica della perdita di cerniera tra etichette e previsioni. KLDivergence <T estende TNumber > Una metrica che calcola la metrica della perdita di divergenza di Kullback-Leibler tra etichette e previsioni. LogCoshError <T estende TNumber > Una metrica che calcola il logaritmo del coseno iperbolico della metrica dell'errore di previsione tra etichette e previsioni. MeanAbsoluteError <T estende TNumber > Una metrica che calcola la media della differenza assoluta tra etichette e previsioni. MeanAbsolutePercentageError <T estende TNumber > Una metrica che calcola la media della differenza assoluta tra etichette e previsioni. Errorequadratomedio <T estende TNumero > Una metrica che calcola la media della differenza assoluta tra etichette e previsioni. Errore logaritmico medio quadratico <T estende TNumero > Una metrica che calcola la media della differenza assoluta tra etichette e previsioni. Poisson <T estende TNumero > Una metrica che calcola la metrica della perdita di poisson tra etichette e previsioni. SparseCategoricoIncrocioentropia <T estende TNumero > Una metrica che calcola la perdita di entropia incrociata categoriale sparsa tra le etichette vere e quelle previste. SquaredHinge <T estende TNumero > Una metrica che calcola la metrica della perdita di cerniera al quadrato tra etichette e previsioni.

Una classe che collega una funzione di perdita senza stato con la metrica Mean utilizzando una riduzione di WEIGHTED_MEAN .

La funzione di perdita calcola la perdita tra le labels e predictions , quindi passa questa perdita alla metrica Mean per calcolare la media ponderata della perdita su molte iterazioni o epoche

Costanti ereditate

Dalla classe org.tensorflow.framework.metrics.impl.Reduce

Corda	CONTARE
Corda	TOTALE

Metodi pubblici

Perdita metrica <T>	perdersi, smarrirsi () Ottiene la funzione di perdita.
Elenco< Op >	updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea operazioni che aggiornano lo stato della metrica media, chiamando la funzione di perdita e passando la perdita alla metrica media per calcolare la media ponderata della perdita su molte iterazioni.

Metodi ereditati

Dalla classe org.tensorflow.framework.metrics.impl.Reduce

Variabile <T>	getCount () Ottiene la variabile count
Classe<T>	getResultType () Ottiene il tipo delle variabili
Variabile <T>	ottieni totale () Ottiene la variabile totale
Operazione	resetStati () Reimposta tutte le variabili di stato sui valori iniziali
Operando <T>	risultato () Ottiene il risultato corrente della metrica
Elenco< Op >	updateStateList ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Aggiorna le variabili metriche in base agli input.

Dalla classe org.tensorflow.framework.metrics.Metric

Operando finale <T>	callOnce ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Le chiamate aggiornano lo stato una volta, seguite da una chiamata per ottenere il risultato
Corda	getNome () Ottiene il nome di questa metrica.
lungo	getSeme () Ottiene il valore seed del generatore di numeri casuali
Op	ottieni TF () Ottiene le operazioni TensorFlow
astratto op	resetStati () Reimposta tutte le variabili di stato sui valori iniziali
Operando astratto <T>	risultato () Ottiene il risultato corrente della metrica
finale op	updateState ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea un'operazione NoOp con dipendenze di controllo per aggiornare lo stato della metrica
finale op	updateState ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Crea un'operazione NoOp con dipendenze di controllo per aggiornare lo stato della metrica
Elenco< Op >	updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea un elenco di operazioni per aggiornare lo stato della metrica in base a etichette e previsioni.
Elenco< Op >	updateStateList ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Crea un elenco di operazioni per aggiornare lo stato della metrica in base ai valori di input.

Dalla classe java.lang.Object

booleano	è uguale a (Oggetto arg0)
Classe finale<?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutti ()
Corda	accordare ()
vuoto finale	attendere (lungo arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	Aspettare ()

Metodi pubblici

public LossMetric <T> getLoss ()

Ottiene la funzione di perdita.

ritorna

• la funzione di perdita.

public List< Op > updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights)

Crea operazioni che aggiornano lo stato della metrica media, chiamando la funzione di perdita e passando la perdita alla metrica media per calcolare la media ponderata della perdita su molte iterazioni.

Parametri

etichette	i valori o le etichette di verità
predizioni	le previsioni
campionePesi	sampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se sampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore sampleWeights. Se la forma di sampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di sampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.)

ritorna

• a Elenco di operazioni di controllo che aggiornano le variabili di stato Mean.