MeanMetricWrapper

パブリック クラスMeanMetricWrapper

既知の直接サブクラス BinaryCrossentropy <T extends TNumber >、 CategoricalCrossentropy <T extends TNumber >、 CategoricalHinge <T extends TNumber >、 CosineSimilarity <T extends TNumber >、 Hinge <T extends TNumber >、 KLDiverence <T extends TNumber >、 LogCoshError <T extends TNumber >、 MeanAbsoluteError <T extends TNumber >、 MeanAbsolutePercentageError <T extends TNumber >、 MeanSquaredError <T extends TNumber >、 MeanSquaredLogarithmicError <T extends TNumber >、 Poisson <T extends TNumber >、 SparseCategoricalCrossentropy <T extends TNumber >、 SquaredHinge <T extends TNumber > BinaryCrossentropy <T extends TNumber > 真のラベルと予測されたラベル間のバイナリ クロス エントロピー損失を計算するメトリック。 CategoricalCrossentropy <T extends TNumber > 真のラベルと予測されたラベル間のカテゴリカルなクロスエントロピー損失を計算するメトリック。 CategoricalHinge <T extends TNumber > ラベルと予測の間のカテゴリカル ヒンジ損失メトリックを計算するメトリック。 CosineSimilarity <T extends TNumber > ラベルと予測の間のコサイン類似性メトリックを計算するメトリック。 ヒンジ<T extends TNumber > ラベルと予測の間のヒンジ損失メトリックを計算するメトリック。 KLDiverence <T extends TNumber > ラベルと予測の間のカルバック・ライブラー発散損失メトリックを計算するメトリック。 LogCoshError <T はTNumberを拡張 > ラベルと予測の間の予測誤差メトリックの双曲線余弦の対数を計算するメトリック。 MeanAbsoluteError <T extends TNumber > ラベルと予測の間の絶対差の平均を計算するメトリック。 MeanAbsolutePercentageError <T extends TNumber > ラベルと予測の間の絶対差の平均を計算するメトリック。 MeanSquaredError <T はTNumberを拡張 > ラベルと予測の間の絶対差の平均を計算するメトリック。 MeanSquaredLogarithmicError <T extends TNumber > ラベルと予測の間の絶対差の平均を計算するメトリック。 ポアソン<T extends TNumber > ラベルと予測の間のポアソン損失メトリックを計算するメトリック。 SparseCategoricalCrossentropy <T extends TNumber > 真のラベルと予測されたラベルの間のスパース カテゴリカル クロス エントロピー損失を計算するメトリクス。 SquaredHinge <T extends TNumber > ラベルと予測の間の二乗ヒンジ損失メトリックを計算するメトリック。

WEIGHTED_MEANの削減を使用して、ステートレス損失関数とMeanメトリックをブリッジするクラス。

損失関数は、 labelsとpredictions間の損失を計算し、この損失をMeanメトリックに渡して、多くの反復またはエポックにわたる損失の加重平均を計算します。

継承された定数

クラスorg.tensorflow.framework.metrics.impl.Reduceから

弦	カウント
弦	合計

パブリックメソッド

ロスメトリック<T>	getLoss () 損失関数を取得します。
リスト<操作>	updateStateList (オペランド<? extends TNumber > ラベル、オペランド<? extends TNumber > 予測、オペランド<? extends TNumber > sampleWeights) 損失関数を呼び出し、損失を平均メトリックに渡して、多くの反復にわたる損失の加重平均を計算することにより、平均メトリックの状態を更新するオペレーションを作成します。

継承されたメソッド

クラスorg.tensorflow.framework.metrics.impl.Reduceから

変数<T>	getCount () カウント変数を取得します
クラス<T>	getResultType () 変数の型を取得します
変数<T>	getTotal () 変数の合計を取得します
オペ	リセット状態() 状態変数を初期値にリセットします。
オペランド<T>	結果（） メトリクスの現在の結果を取得します
リスト<操作>	updateStateList (オペランド<? extends TNumber > 値、オペランド<? extends TNumber > sampleWeights) 入力に基づいてメトリック変数を更新します。

クラスorg.tensorflow.framework.metrics.Metricから

最終オペランド<T>	callOnce (オペランド<? extends TNumber > 値、オペランド<? extends TNumber > sampleWeights) update state を 1 回呼び出してから、結果を取得する呼び出しを行います。
弦	getName () このメトリクスの名前を取得します。
長さ	getシード() 乱数生成器のシード値を取得します
作戦	getTF () TensorFlow Ops を取得します
抽象的なオプ	リセット状態() 状態変数を初期値にリセットします。
抽象オペランド<T>	結果（） メトリクスの現在の結果を取得します
最終作戦	updateState (オペランド<? extends TNumber > ラベル、オペランド<? extends TNumber > 予測、オペランド<? extends TNumber > sampleWeights) 制御の依存関係を含む NoOp オペレーションを作成し、メトリクスの状態を更新します
最終作戦	updateState (オペランド<? extends TNumber > 値、オペランド<? extends TNumber > sampleWeights) 制御の依存関係を含む NoOp オペレーションを作成し、メトリクスの状態を更新します
リスト<操作>	updateStateList (オペランド<? extends TNumber > ラベル、オペランド<? extends TNumber > 予測、オペランド<? extends TNumber > sampleWeights) ラベルと予測に基づいてメトリクスの状態を更新するための操作のリストを作成します。
リスト<操作>	updateStateList (オペランド<? extends TNumber > 値、オペランド<? extends TNumber > sampleWeights) 入力値に基づいてメトリクスの状態を更新するための操作のリストを作成します。

クラスjava.lang.Objectから

ブール値	等しい(オブジェクト arg0)
最終クラス<?>	getクラス()
整数	ハッシュコード（）
最後の空白	通知する()
最後の空白	すべて通知()
弦	toString ()
最後の空白	wait (long arg0, int arg1)
最後の空白	待機(長い引数0)
最後の空白	待って（）

パブリックメソッド

public LossMetric <T> getLoss ()

損失関数を取得します。

戻り値

• 損失関数。

public List< Op > updateStateList (オペランド<? extends TNumber > ラベル、オペランド<? extends TNumber > 予測、オペランド<? extends TNumber > sampleWeights)

損失関数を呼び出し、損失を平均メトリックに渡して、多くの反復にわたる損失の加重平均を計算することにより、平均メトリックの状態を更新するオペレーションを作成します。

パラメーター

ラベル	真理値またはラベル
予測	予測
サンプルの重み	オプションのsampleWeightsは、損失の係数として機能します。スカラーが指定されている場合、損失は指定された値によって単純にスケーリングされます。 sampleWeights がサイズ [batch_size] のテンソルの場合、バッチの各サンプルの合計損失は、sampleWeights ベクトルの対応する要素によって再スケーリングされます。 SampleWeights の形状が [batch_size, d0, .. dN-1] の場合 (またはこの形状にブロードキャストできる場合)、予測の各損失要素は対応する SampleWeights の値によってスケーリングされます。 (dN-1 に関する注意: すべての損失関数は 1 次元ずつ減少します。通常は axis=-1 です。)

戻り値

• 平均状態変数を更新する制御操作のリスト。