MeanMetricWrapper

classe pública MeanMetricWrapper

Subclasses diretas conhecidas 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 TNumber > Uma métrica que calcula a perda binária de entropia cruzada entre rótulos verdadeiros e rótulos previstos. CategóricaCrossentropia <T estende TNumber > Uma métrica que calcula a perda categórica de entropia cruzada entre rótulos verdadeiros e rótulos previstos. CategoricalHinge <T estende TNumber > Uma métrica que calcula a métrica de perda de dobradiça categórica entre rótulos e previsões. CossenoSimilaridade <T estende TNumber > Uma métrica que calcula a métrica de similaridade de cosseno entre rótulos e previsões. Dobradiça <T estende TNumber > Uma métrica que calcula a métrica de perda de dobradiça entre rótulos e previsões. KLDivergência <T estende TNumber > Uma métrica que calcula a métrica de perda de divergência de Kullback-Leibler entre rótulos e previsões. LogCoshError <T estende TNumber > Uma métrica que calcula o logaritmo do cosseno hiperbólico da métrica de erro de previsão entre rótulos e previsões. MeanAbsoluteError <T estende TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. MeanAbsolutePercentageError <T estende TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. MeanSquaredError <T estende TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. MeanSquaredLogarithmicError <T estende TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. Poisson <T estende TNumber > Uma métrica que calcula a métrica de perda de poisson entre rótulos e previsões. SparseCategoricalCrossentropy <T estende TNumber > Uma métrica que calcula a perda de entropia cruzada categórica esparsa entre rótulos verdadeiros e rótulos previstos. SquaredHinge <T estende TNumber > Uma métrica que calcula a métrica de perda de dobradiça quadrada entre rótulos e previsões.

Uma classe que conecta uma função de perda sem estado com a métrica Mean usando uma redução de WEIGHTED_MEAN .

A função de perda calcula a perda entre os labels e predictions e depois passa essa perda para a métrica Mean para calcular a média ponderada da perda ao longo de muitas iterações ou épocas

Constantes herdadas

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

Corda	CONTAR
Corda	TOTAL

Métodos Públicos

Métrica de Perda <T>	obterPerda () Obtém a função de perda.
Lista< Op >	updateStateList ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria operações que atualizam o estado da métrica média, chamando a função de perda e passando a perda para a métrica Média para calcular a média ponderada da perda ao longo de muitas iterações.

Métodos herdados

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

Variável <T>	obterContar () Obtém a variável de contagem
Classe<T>	getResultType () Obtém o tipo das variáveis
Variável <T>	obterTotal () Obtém a variável total
Op.	resetEstados () Redefine quaisquer variáveis ​​de estado para seus valores iniciais
Operando <T>	resultado () Obtém o resultado atual da métrica
Lista< Op >	updateStateList ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Atualiza as variáveis ​​métricas com base nas entradas.

Da classe org.tensorflow.framework.metrics.Metric

Operando final <T>	callOnce ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Chama o estado de atualização uma vez, seguido por uma chamada para obter o resultado
Corda	getNome () Obtém o nome desta métrica.
longo	obterSeed () Obtém o valor inicial do gerador de números aleatórios
Operações	obterTF () Obtém as operações do TensorFlow
operação abstrata	resetEstados () Redefine quaisquer variáveis ​​de estado para seus valores iniciais
Operando abstrato <T>	resultado () Obtém o resultado atual da métrica
operação final	updateState ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
operação final	updateState ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
Lista< Op >	updateStateList ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma lista de operações para atualizar o estado da métrica com base em rótulos e previsões.
Lista< Op >	updateStateList ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Cria uma lista de operações para atualizar o estado da métrica com base nos valores de entrada.

Da classe java.lang.Object

boleano	é igual (objeto arg0)
aula final<?>	getClass ()
interno	código hash ()
vazio final	notificar ()
vazio final	notificar todos ()
Corda	para sequenciar ()
vazio final	espere (long arg0, int arg1)
vazio final	espere (arg0 longo)
vazio final	espere ()

Métodos Públicos

public LossMetric <T> getLoss ()

Obtém a função de perda.

Devoluções

• a função de perda.

public List< Op > updateStateList ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights)

Cria operações que atualizam o estado da métrica média, chamando a função de perda e passando a perda para a métrica Média para calcular a média ponderada da perda ao longo de muitas iterações.

Parâmetros

rótulos	os valores de verdade ou rótulos
previsões	as previsões
pesos de amostra	sampleWeights opcional atua como um coeficiente para a perda. Se um escalar for fornecido, a perda será simplesmente dimensionada pelo valor fornecido. Se sampleWeights for um tensor de tamanho [batch_size], então a perda total de cada amostra do lote será redimensionada pelo elemento correspondente no vetor sampleWeights. Se a forma de sampleWeights for [batch_size, d0, .. dN-1] (ou puder ser transmitida para esta forma), então cada elemento de perda de previsões será dimensionado pelo valor correspondente de sampleWeights. (Nota sobre dN-1: todas as funções de perda são reduzidas em 1 dimensão, geralmente eixo=-1.)

Devoluções

• uma Lista de operações de controle que atualizam as variáveis ​​de estado Médias.