MeanMetricWrapper

public class MeanMetricWrapper

Subclasses diretas conhecidas BinaryCrossentropy <T estende TNumber >, CategoricalCrossentropy <T estende TNumber >, CategoricalHinge <T estende TNumber >, CosineSimilarity <T estende TNumber >, dobradiça <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 extends TNumber > Uma métrica que calcula a perda de entropia cruzada binária entre rótulos verdadeiros e rótulos previstos. CategoricalCrossentropy <T extends TNumber > Uma métrica que calcula a perda de entropia cruzada categórica entre rótulos verdadeiros e rótulos previstos. CategoricalHinge <T extends TNumber > Uma métrica que calcula a métrica de perda de dobradiça categórica entre rótulos e previsões. CosineSimilarity <T extends 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. KLDivergence <T extends TNumber > Uma métrica que calcula a métrica de perda de divergência Kullback-Leibler entre rótulos e previsões. LogCoshError <T extends TNumber > Uma métrica que calcula o logaritmo do cosseno hiperbólico da métrica de erro de previsão entre rótulos e previsões. MeanAbsoluteError <T extends TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. MeanAbsolutePercentageError <T extends TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. MeanSquaredError <T extends TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. MeanSquaredLogarithmicError <T extends TNumber > Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. Poisson <T extends TNumber > Uma métrica que calcula a métrica de perda de Poisson entre rótulos e previsões. SparseCategoricalCrossentropy <T extends TNumber > Uma métrica que calcula a perda de entropia cruzada categórica esparsa entre rótulos verdadeiros e rótulos previstos. SquaredHinge <T extends 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 então passa essa perda para a métrica Mean para calcular a média ponderada da perda em muitas iterações ou épocas

Constantes herdadas

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

Fragmento	CONTAR
Fragmento	TOTAL

Métodos Públicos

LossMetric <T>	getLoss () Obtém a função de perda.
Lista < Op >	updateStateList ( Operando <? estende TNumber > etiquetas, 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 em várias iterações.

Métodos herdados

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

Variável <T>	getCount () Obtém a variável de contagem
Classe <T>	getResultType () Obtém o tipo das variáveis
Variável <T>	getTotal () Obtém a variável total
Op	resetStates () 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
Fragmento	getName () Obtém o nome desta métrica.
longo	getSeed () Obtém o valor da semente do gerador de número aleatório
Ops	getTF () Obtém as operações do TensorFlow
Op abstrato	resetStates () Redefine quaisquer variáveis ​​de estado para seus valores iniciais
Operando abstrato <T>	resultado () Obtém o resultado atual da métrica
op final	updateState ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
op 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 > etiquetas, 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	igual a (objeto arg0)
aula final <?>	getClass ()
int	hashCode ()
vazio final	notificar ()
vazio final	notificar tudo ()
Fragmento	toString ()
vazio final	espera (long arg0, int arg1)
vazio final	espera (long arg0)
vazio final	espera ()

Métodos Públicos

public LossMetric <T> getLoss ()

Obtém a função de perda.

Devoluções

• a função de perda.

Lista pública < Op > updateStateList ( Operando <? estende TNumber > etiquetas, 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 em várias iterações.

Parâmetros

rótulos	os valores verdadeiros ou rótulos
previsões	as previsões
sampleWeights	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], 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 pode ser transmitido para esta forma), então cada elemento de perda de previsões é escalado pelo valor correspondente de sampleWeights. (Nota sobre dN-1: todas as funções de perda reduzem em 1 dimensão, geralmente eixo = -1.)

Devoluções

• uma lista de operações de controle que atualiza as variáveis ​​de estado médio.