MeanMetricWrapper

MeanMetricWrapper คลาสสาธารณะ

คลาสย่อยโดยตรงที่รู้จัก

BinaryCrossentropy <T ขยาย TNumber >	ตัวชี้วัดที่คำนวณการสูญเสียข้ามเอนโทรปีแบบไบนารีระหว่างป้ายกำกับที่แท้จริงและป้ายกำกับที่คาดการณ์ไว้
ประเภท Crossentropy <T ขยาย TNumber >	หน่วยวัดที่คำนวณการสูญเสียเอนโทรปีข้ามหมวดหมู่ระหว่างป้ายกำกับที่แท้จริงและป้ายกำกับที่คาดการณ์ไว้
CategoricalHinge <T ขยาย TNumber >	หน่วยวัดที่คำนวณหน่วยวัดการสูญเสียบานพับตามหมวดหมู่ระหว่างป้ายกำกับและการคาดคะเน
CosineSimilarity <T ขยาย TNumber >	หน่วยเมตริกที่คำนวณหน่วยวัดความคล้ายคลึงโคไซน์ระหว่างป้ายกำกับและการคาดคะเน
บานพับ <T ขยาย TNumber >	หน่วยวัดที่คำนวณหน่วยวัดการสูญเสียบานพับระหว่างป้ายกำกับและการคาดคะเน
KDivergence <T ขยาย TNumber >	หน่วยวัดที่คำนวณหน่วยวัดการสูญเสียความแตกต่างระหว่าง Kullback-Leibler ระหว่างป้ายกำกับและการคาดการณ์
LogCoshError <T ขยาย TNumber >	หน่วยเมตริกที่คำนวณลอการิทึมของโคไซน์ไฮเปอร์โบลิกของหน่วยเมตริกข้อผิดพลาดในการทำนายระหว่างป้ายกำกับและการคาดคะเน
MeanAbsoluteError <T ขยาย TNumber >	เมตริกที่คำนวณค่าเฉลี่ยของความแตกต่างสัมบูรณ์ระหว่างป้ายกำกับและการคาดคะเน
MeanAbsolutePercentageError <T ขยาย TNumber >	เมตริกที่คำนวณค่าเฉลี่ยของความแตกต่างสัมบูรณ์ระหว่างป้ายกำกับและการคาดคะเน
MeanSquaredError <T ขยาย TNumber >	เมตริกที่คำนวณค่าเฉลี่ยของความแตกต่างสัมบูรณ์ระหว่างป้ายกำกับและการคาดคะเน
MeanSquaredLogarithmicError <T ขยาย TNumber >	เมตริกที่คำนวณค่าเฉลี่ยของความแตกต่างสัมบูรณ์ระหว่างป้ายกำกับและการคาดคะเน
ปัวซอง <T ขยาย TNumber >	หน่วยวัดที่คำนวณหน่วยวัดการสูญเสียปัวซองระหว่างป้ายกำกับและการคาดคะเน
SparseCategoricalCrossentropy <T ขยาย TNumber >	หน่วยเมตริกที่คำนวณการสูญเสียข้ามเอนโทรปีแบบกระจัดกระจายระหว่างป้ายกำกับที่แท้จริงและป้ายกำกับที่คาดการณ์
SquaredHinge <T ขยาย TNumber >	หน่วยเมตริกที่คำนวณหน่วยวัดการสูญเสียบานพับกำลังสองระหว่างป้ายกำกับและการคาดคะเน

คลาสที่เชื่อมโยงฟังก์ชันการสูญเสียไร้สถานะกับเมตริก Mean โดยใช้การลด WEIGHTED_MEAN

ฟังก์ชันการสูญเสียจะคำนวณการสูญเสียระหว่าง labels และ predictions จากนั้นส่งการสูญเสียนี้ไปยังเมตริก Mean เพื่อคำนวณค่าเฉลี่ยถ่วงน้ำหนักของการสูญเสียในการวนซ้ำหรือยุคต่างๆ

ค่าคงที่ที่สืบทอดมา

จากคลาส org.tensorflow.framework.metrics.impl.Reduce

สตริง	นับ
สตริง	ทั้งหมด

วิธีการสาธารณะ

ลอสเมตริก <T>

รับการสูญเสีย ()

รับฟังก์ชันการสูญเสีย

รายการ< ปฏิบัติการ >

updateStateList ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <? ขยาย TNumber > การคาดคะเน, ตัวดำเนินการ <? ขยาย TNumber > ตัวอย่างน้ำหนัก)

สร้างการดำเนินการที่อัปเดตสถานะของหน่วยเมตริกเฉลี่ย โดยการเรียกใช้ฟังก์ชันการสูญเสียและส่งการสูญเสียไปยังหน่วยเมตริกเฉลี่ย เพื่อคำนวณค่าเฉลี่ยถ่วงน้ำหนักของการสูญเสียในการวนซ้ำหลายครั้ง

วิธีการสืบทอด

จากคลาส org.tensorflow.framework.metrics.impl.Reduce

ตัวแปร <T>	รับการนับ () รับตัวแปรการนับ
คลาส<T>	รับประเภทผลลัพธ์ () รับประเภทของตัวแปร
ตัวแปร <T>	รับผลรวม () รับค่าตัวแปรรวม
ปฏิบัติการ	รีเซ็ตสถานะ () รีเซ็ตตัวแปรสถานะใดๆ ให้เป็นค่าเริ่มต้น
ตัวดำเนินการ <T>	ผลลัพธ์ () รับผลลัพธ์ปัจจุบันของเมตริก
รายการ< ปฏิบัติการ >	updateStateList ( ตัวดำเนินการ <? ขยาย TNumber > ค่า ตัวดำเนินการ <? ขยาย TNumber > SampleWeights) อัพเดตตัวแปรเมทริกตามอินพุต

จากคลาส org.tensorflow.framework.metrics.Metric

ตัวดำเนินการ สุดท้าย <T>	callOnce ( ตัวดำเนินการ <? ขยาย TNumber > ค่า, ตัวดำเนินการ <? ขยาย TNumber > SampleWeights) เรียกสถานะการอัปเดตหนึ่งครั้ง ตามด้วยการโทรเพื่อรับผลลัพธ์
สตริง	รับชื่อ () รับชื่อของเมตริกนี้
ยาว	รับเมล็ดพันธุ์ () รับค่าเมล็ดตัวสร้างตัวเลขสุ่ม
ปฏิบัติการ	getTF () รับ Ops TensorFlow
บทคัดย่อ Op	รีเซ็ตสถานะ () รีเซ็ตตัวแปรสถานะใดๆ ให้เป็นค่าเริ่มต้น
ตัวดำเนินการ นามธรรม <T>	ผลลัพธ์ () รับผลลัพธ์ปัจจุบันของเมตริก
ปฏิบัติการ สุดท้าย	updateState ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <? ขยาย TNumber > การคาดคะเน, ตัวดำเนินการ <? ขยาย TNumber > ตัวอย่างน้ำหนัก) สร้างการดำเนินการ NoOp ที่มีการขึ้นต่อกันของการควบคุมเพื่ออัปเดตสถานะหน่วยเมตริก
ปฏิบัติการ สุดท้าย	updateState ( ตัวดำเนินการ <? ขยาย TNumber > ค่า ตัวดำเนินการ <? ขยาย TNumber > SampleWeights) สร้างการดำเนินการ NoOp ที่มีการขึ้นต่อกันของการควบคุมเพื่ออัปเดตสถานะหน่วยเมตริก
รายการ< ปฏิบัติการ >	updateStateList ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <? ขยาย TNumber > การคาดคะเน, ตัวดำเนินการ <? ขยาย TNumber > ตัวอย่างน้ำหนัก) สร้างรายการการดำเนินการเพื่ออัปเดตสถานะเมตริกตามป้ายกำกับและการคาดคะเน
รายการ< ปฏิบัติการ >	updateStateList ( ตัวดำเนินการ <? ขยาย TNumber > ค่า ตัวดำเนินการ <? ขยาย TNumber > SampleWeights) สร้างรายการการดำเนินการเพื่ออัปเดตสถานะเมตริกตามค่าอินพุต

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

วิธีการสาธารณะ

LossMetric สาธารณะ <T> getLoss ()

รับฟังก์ชันการสูญเสีย

การส่งคืน

ฟังก์ชั่นการสูญเสีย

รายการสาธารณะ< Op > updateStateList ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <? ขยาย TNumber > การคาดการณ์, ตัวดำเนินการ <? ขยาย TNumber > ตัวอย่างน้ำหนัก)

พารามิเตอร์

ฉลาก	ค่าความจริงหรือป้ายกำกับ
การคาดการณ์	การคาดการณ์
ตัวอย่างน้ำหนัก	SampleWeights ที่เป็นตัวเลือกจะทำหน้าที่เป็นสัมประสิทธิ์การสูญเสีย หากมีการระบุสเกลาร์ การสูญเสียก็จะถูกปรับขนาดตามค่าที่กำหนด หาก SampleWeights เป็นเทนเซอร์ที่มีขนาด [batch_size] ค่าที่สูญเสียทั้งหมดสำหรับตัวอย่างแต่ละตัวอย่างในแบตช์จะถูกปรับขนาดใหม่โดยองค์ประกอบที่เกี่ยวข้องในเวกเตอร์ SampleWeights หากรูปร่างของ SampleWeights คือ [batch_size, d0, .. dN-1] (หรือสามารถถ่ายทอดไปยังรูปร่างนี้ได้) ดังนั้น องค์ประกอบที่สูญเสียแต่ละรายการของการคาดการณ์จะถูกปรับขนาดตามค่าที่สอดคล้องกันของ exampleWeights (หมายเหตุสำหรับ dN-1: ฟังก์ชันการสูญเสียทั้งหมดลดลง 1 มิติ โดยปกติจะเป็นแกน=-1)

การส่งคืน

รายการการดำเนินการควบคุมที่อัพเดตตัวแปรสถานะ Mean