MeanMetricWrapper

klasa publiczna MeanMetricWrapper

Znane podklasy bezpośrednie BinarnyCrossentropia <T rozszerza TNumber >, KategorycznyCrossentropia <T rozszerza TNumber >, KategorycznyHinge <T rozszerza TNumber >, CosinusSimilarity <T rozszerza TNumber >, Zawias <T rozszerza TNumber >, KLDrozbieżność <T rozszerza TNumber >, LogCoshError <T rozszerza TNumber >, MeanAbsoluteE błąd <T rozszerza tnumber >, menabsolutePercentageerror <t rozszerza tnumber >, menedquarederror <t rozszerza tnumber >, MeanquaredLogarytmiCerror <T rozciąga tnumber >, Poisson <t rozszerza tnumber >, Sparsecatecicalcrossentropy <T rozciąga tnumber >, squaredhinge <tnumber> BinarnyCrossentropy <T rozszerza TNumber > Metryka, która oblicza binarną stratę entropii krzyżowej między prawdziwymi i przewidywanymi etykietami. KategoryczneCrossentropia <T rozszerza TNumber > Metryka, która oblicza kategoryczną stratę entropii krzyżowej między prawdziwymi i przewidywanymi etykietami. KategoriaZawias <T rozszerza TNumber > Metryka, która oblicza metrykę jakościowej utraty zawiasów między etykietami i prognozami. Cosinuspodobieństwo <T rozszerza TNumber > Metryka obliczająca metrykę podobieństwa cosinus między etykietami i przewidywaniami. Zawias <T rozszerza TNumer > Metryka, która oblicza metrykę utraty zawiasów między etykietami i przewidywaniami. KLDrozbieżność <T rozszerza TNumer > Metryka obliczająca metrykę utraty dywergencji Kullbacka-Leiblera między etykietami i prognozami. LogCoshError <T rozszerza numer T > Metryka obliczająca logarytm cosinusa hiperbolicznego metryki błędu przewidywania między etykietami i przewidywaniami. MeanAbsoluteError <T rozszerza numer T > Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. MeanAbsolutePercentageError <T rozszerza TNumber > Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. MeanSquaredError <T rozszerza TNumber > Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. MeanSquaredLogarithmicError <T rozszerza TNumber > Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. Poissona <T rozszerza numer T > Metryka obliczająca metrykę strat Poissona między etykietami i prognozami. RzadkiKategorycznyCrossentropia <T rozszerza TNumber > Metryka obliczająca rzadką kategoryczną stratę entropii krzyżowej między etykietami rzeczywistymi i etykietami przewidywanymi. Kwadratowy zawias <T rozszerza TNumer > Metryka obliczająca kwadratową metrykę strat zawiasów między etykietami i prognozami.

Klasa łącząca funkcję straty bezstanowej z metryką Mean przy użyciu redukcji WEIGHTED_MEAN .

Funkcja straty oblicza stratę między labels i predictions , a następnie przekazuje tę stratę do metryki Mean , aby obliczyć średnią ważoną straty w wielu iteracjach lub epokach

Dziedziczone stałe

Z klasy org.tensorflow.framework.metrics.impl.Reduce

Strunowy	LICZYĆ
Strunowy	CAŁKOWITY

Metody publiczne

Metryka strat <T>	spierniczaj () Pobiera funkcję straty.
Lista <Op>	updateStateList ( Operand <? rozszerza TNumber > etykiety, Operand <? rozszerza TNumber > przewidywania, Operand <? rozszerza TNumber > próbkiWagi) Tworzy operacje, które aktualizują stan metryki średniej, wywołując funkcję straty i przekazując stratę do metryki Mean w celu obliczenia średniej ważonej straty w wielu iteracjach.

Metody dziedziczone

Z klasy org.tensorflow.framework.metrics.impl.Reduce

Zmienna <T>	pobierz liczbę () Pobiera zmienną licznika
Klasa<T>	getResultType () Pobiera typ zmiennych
Zmienna <T>	getTotal () Pobiera całkowitą zmienną
Op	resetStany () Resetuje wszystkie zmienne stanu do ich wartości początkowych
Argument <T>	wynik () Pobiera bieżący wynik metryki
Lista <Op>	updateStateList ( Operand <? rozszerza TNumber > wartości, Operand <? rozszerza TNumber > próbkiWeights) Aktualizuje zmienne metryki na podstawie danych wejściowych.

Z klasy org.tensorflow.framework.metrics.Metric

końcowy argument <T>	callOnce ( Operand <? rozszerza TNumber > wartości, Operand <? rozszerza TNumber > próbkiWeights) Wywołuje aktualizację stanu raz, po czym następuje wywołanie w celu uzyskania wyniku
Strunowy	pobierz nazwę () Pobiera nazwę tej metryki.
długi	pobierz nasiona () Pobiera wartość początkową generatora liczb losowych
Operacje	getTF () Pobiera operacje TensorFlow
streszczenie op	resetStany () Resetuje wszystkie zmienne stanu do ich wartości początkowych
abstrakcyjny argument <T>	wynik () Pobiera bieżący wynik metryki
końcowy op	updateState ( Operand <? rozszerza TNumber > etykiety, Operand <? rozszerza TNumber > przewidywania, Operand <? rozszerza TNumber > próbkiWagi) Tworzy operację NoOp z zależnościami kontrolnymi w celu zaktualizowania stanu metryki
końcowy op	updateState ( Operand <? rozszerza TNumber > wartości, Operand <? rozszerza TNumber > próbkiWeights) Tworzy operację NoOp z zależnościami kontrolnymi w celu zaktualizowania stanu metryki
Lista <Op>	updateStateList ( Operand <? rozszerza TNumber > etykiety, Operand <? rozszerza TNumber > przewidywania, Operand <? rozszerza TNumber > próbkiWagi) Tworzy listę operacji w celu zaktualizowania stanu metryki na podstawie etykiet i przewidywań.
Lista <Op>	updateStateList ( Operand <? rozszerza TNumber > wartości, Operand <? rozszerza TNumber > próbkiWeights) Tworzy listę operacji w celu zaktualizowania stanu metryki na podstawie wartości wejściowych.

Z klasy java.lang.Object

wartość logiczna	równa się (Obiekt arg0)
ostatnia klasa<?>	pobierzKlasę ()
wew	hashCode ()
ostateczna pustka	powiadomić ()
ostateczna pustka	powiadom wszystkich ()
Strunowy	doString ()
ostateczna pustka	czekaj (długi arg0, int arg1)
ostateczna pustka	czekaj (długi arg0)
ostateczna pustka	Czekać ()

Metody publiczne

publiczny LossMetric <T> getLoss ()

Pobiera funkcję straty.

Zwroty

• funkcja straty.

public List< Op > updateStateList ( Operand <? rozszerza TNumber > etykiety, Operand <? rozszerza TNumber > przewidywania, Operand <? rozszerza TNumber > próbkiWagi)

Tworzy operacje, które aktualizują stan metryki średniej, wywołując funkcję straty i przekazując stratę do metryki Mean w celu obliczenia średniej ważonej straty w wielu iteracjach.

Parametry

etykiety	wartości prawdy lub etykiety
prognozy	przewidywania
próbkiWagi	Opcjonalne próbkiWeights działają jako współczynnik straty. Jeśli podany jest skalar, strata jest po prostu skalowana według podanej wartości. Jeśli sampleWeights jest tensorem rozmiaru [batch_size], wówczas całkowita strata dla każdej próbki w partii jest przeskalowana przez odpowiedni element wektora sampleWeights. Jeśli kształt sampleWeights wynosi [batch_size, d0, .. dN-1] (lub może być rozgłaszany do tego kształtu), wówczas każdy element predykcji straty jest skalowany przez odpowiednią wartość sampleWeights. (Uwaga do dN-1: wszystkie funkcje strat zmniejszają się o 1 wymiar, zwykle oś=-1.)

Zwroty

• a Lista operacji kontrolnych aktualizujących zmienne stanu średniego.