LogCoshError

classe publique LogCoshError

Métrique qui calcule le logarithme du cosinus hyperbolique de la métrique d’erreur de prédiction entre les étiquettes et les prédictions.

Constantes héritées

De la classe org.tensorflow.framework.metrics.impl.Reduce

Chaîne	COMPTER
Chaîne	TOTAL

Constructeurs Publics

LogCoshError (Ops tf, nom de chaîne, graine longue, type Class<T>)

Crée une métrique LogCoshError

Méthodes publiques

Opérande <T>

appel ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions)

Calcule la perte pondérée entre labels et predictions

Méthodes héritées

De la classe org.tensorflow.framework.metrics.impl.MeanMetricWrapper

LossMetric <T>	obtenirPerte () Obtient la fonction de perte.
Liste< Op >	updateStateList ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée des opérations qui mettent à jour l'état de la métrique moyenne, en appelant la fonction de perte et en transmettant la perte à la métrique moyenne pour calculer la moyenne pondérée de la perte sur plusieurs itérations.

De la classe org.tensorflow.framework.metrics.impl.Reduce

Variable <T>	getCount () Obtient la variable de comptage
Classe<T>	getResultType () Obtient le type des variables
Variable <T>	obtenirTotal () Obtient la variable totale
Opération	réinitialiserÉtats () Réinitialise toutes les variables d'état à leurs valeurs initiales
Opérande <T>	résultat () Obtient le résultat actuel de la métrique
Liste< Op >	updateStateList ( Operand <? extends TNumber > valeurs, Operand <? extends TNumber > sampleWeights) Met à jour les variables métriques en fonction des entrées.

De la classe org.tensorflow.framework.metrics.Metric

Opérande final <T>	callOnce ( Opérande <? étend TNumber > valeurs, Opérande <? étend TNumber > sampleWeights) Appelle l'état de mise à jour une fois, suivi d'un appel pour obtenir le résultat
Chaîne	obtenirNom () Obtient le nom de cette métrique.
long	obtenirSeed () Obtient la valeur de départ du générateur de nombres aléatoires
Opérations	obtenirTF () Obtient les opérations TensorFlow
opération abstraite	réinitialiserÉtats () Réinitialise toutes les variables d'état à leurs valeurs initiales
Opérande abstrait <T>	résultat () Obtient le résultat actuel de la métrique
opération finale	updateState ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée une opération NoOp avec des dépendances de contrôle pour mettre à jour l'état de la métrique
opération finale	updateState ( Opérande <? étend TNumber > valeurs, Opérande <? étend TNumber > sampleWeights) Crée une opération NoOp avec des dépendances de contrôle pour mettre à jour l'état de la métrique
Liste< Op >	updateStateList ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée une liste d'opérations pour mettre à jour l'état de la métrique en fonction des étiquettes et des prédictions.
Liste< Op >	updateStateList ( Operand <? extends TNumber > valeurs, Operand <? extends TNumber > sampleWeights) Crée une liste d'opérations pour mettre à jour l'état de la métrique en fonction des valeurs d'entrée.

De la classe java.lang.Object

booléen	est égal à (Objet arg0)
Classe finale<?>	obtenirClasse ()
int	Code de hachage ()
vide final	notifier ()
vide final	notifierTous ()
Chaîne	àChaîne ()
vide final	attendre (long arg0, int arg1)
vide final	attendez (long arg0)
vide final	attendez ()

Depuis l'interface org.tensorflow.framework.metrics.impl.LossMetric

Opérande abstrait <T>

appel ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions)

Calcule la perte pondérée entre labels et predictions

Constructeurs Publics

public LogCoshError (Ops tf, nom de chaîne, graine longue, type Class<T>)

Crée une métrique LogCoshError

Paramètres

tf	les opérations TensorFlow
nom	le nom de cette métrique, si null alors le nom de la métrique est `getSimpleName()` .
graine	la graine pour la génération de nombres aléatoires. Un initialiseur créé avec une graine donnée produira toujours le même tenseur aléatoire pour une forme et un type de données donnés.
taper	le type des variables et du résultat

Méthodes publiques

appel à l'opérande public <T> ( opérande <? étend TNumber > étiquettes, opérande <? étend TNumber > prédictions)

Calcule la perte pondérée entre labels et predictions

Paramètres

Étiquettes	les valeurs ou étiquettes de vérité
prédictions	les prédictions

Retour

la perte