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 > |
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。
パブリックメソッド
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。