TensorFlow가 5월 14일 Google I/O로 돌아왔습니다! 지금 등록하세요

이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Metric

공개 추상 클래스 미터법

알려진 직접 서브클래스

알려진 간접 하위 클래스

BinaryCrossentropy <T는 TNumber를 확장합니다.>	실제 레이블과 예측 레이블 간의 이진 교차 엔트로피 손실을 계산하는 측정항목입니다.
CategoricalCrossentropy <T는 TNumber를 확장합니다.>	실제 레이블과 예측 레이블 간의 범주형 교차 엔트로피 손실을 계산하는 측정항목입니다.
CategoricalHinge <T는 TNumber를 확장합니다.>	라벨과 예측 간의 범주형 힌지 손실 측정항목을 계산하는 측정항목입니다.
코사인 유사성 <T는 T숫자를 확장함>	라벨과 예측 간의 코사인 유사성 측정항목을 계산하는 측정항목입니다.
힌지 <T는 T번호를 확장합니다>	라벨과 예측 간의 힌지 손실 측정항목을 계산하는 측정항목입니다.
KLDivergence <T는 T번호를 확장합니다. >	라벨과 예측 간의 Kullback-Leibler 발산 손실 측정항목을 계산하는 측정항목입니다.
LogCoshError <T는 T번호를 확장합니다. >	라벨과 예측 간 예측 오류 측정항목의 쌍곡선 코사인 로그를 계산하는 측정항목입니다.
<T는 T숫자를 확장함>을 의미합니다 .	가중 평균 `WEIGHTED_MEAN` 을 구현하는 측정항목
MeanAbsoluteError <T는 TNumber를 확장합니다.>	라벨과 예측 간의 절대 차이의 평균을 계산하는 측정항목입니다.
MeanAbsolutePercentageError <T는 TNumber를 확장합니다.>	라벨과 예측 간의 절대 차이의 평균을 계산하는 측정항목입니다.
MeanMetricWrapper <T는 TNumber를 확장합니다.>	`WEIGHTED_MEAN` 의 감소를 사용하여 상태 비저장 손실 함수를 `Mean` 측정항목과 연결하는 클래스입니다.
MeanSquaredError <T는 Tnumber를 확장합니다.>	라벨과 예측 간의 절대 차이의 평균을 계산하는 측정항목입니다.
MeanSquaredLogarithmicError <T는 TNumber를 확장합니다.>	라벨과 예측 간의 절대 차이의 평균을 계산하는 측정항목입니다.
푸아송 <T는 T숫자를 확장함>	라벨과 예측 간의 포아송 손실 측정항목을 계산하는 측정항목입니다.
SparseCategoricalCrossentropy <T는 TNumber를 확장합니다.>	실제 레이블과 예측 레이블 간의 희소 범주형 교차 엔트로피 손실을 계산하는 측정항목입니다.
SquaredHinge <T는 T번호를 확장합니다>	라벨과 예측 간의 제곱 경첩 손실 측정항목을 계산하는 측정항목입니다.

측정항목의 기본 클래스

공개 방법

최종 피연산자 <T>	callOnce ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 업데이트 상태를 한 번 호출한 후 결과를 얻기 위해 호출합니다.
끈	getName () 이 측정항목의 이름을 가져옵니다.
긴	getSeed () 난수 생성기 시드 값을 가져옵니다.
운영	getTF () TensorFlow 작업을 가져옵니다.
추상 작전	재설정상태 () 모든 상태 변수를 초기 값으로 재설정합니다.
추상 피연산자 <T>	결과 () 측정항목의 현재 결과를 가져옵니다.
최종 작전	updateState ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights) 측정항목 상태를 업데이트하기 위해 제어 종속성이 있는 NoOp 작업을 생성합니다.
최종 작전	updateState ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 측정항목 상태를 업데이트하기 위해 제어 종속성이 있는 NoOp 작업을 생성합니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights) 라벨 및 예측을 기반으로 측정항목 상태를 업데이트하는 작업 목록을 만듭니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 입력 값을 기반으로 지표 상태를 업데이트하는 작업 목록을 만듭니다.

상속된 메서드

java.lang.Object 클래스에서

부울	같음 (개체 arg0)
마지막 수업<?>	getClass ()
정수	해시 코드 ()
최종 무효	알림 ()
최종 무효	통지모두 ()
끈	toString ()
최종 무효	대기 (long arg0, int arg1)
최종 무효	기다리세요 (긴 arg0)
최종 무효	기다리다 ()

공개 방법

공개 최종 피연산자 <T> callOnce ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights)

업데이트 상태를 한 번 호출한 후 결과를 얻기 위해 호출합니다.

매개변수

가치	업데이트 상태로 전달될 입력입니다. null이 아닐 수 있습니다.
샘플 가중치	값에 적용할 샘플 가중치는 null일 수 있습니다.

보고

결과(제어 종속성이 있을 수 있음)

공개 문자열 getName ()

이 측정항목의 이름을 가져옵니다.

보고

이 측정항목의 이름

공개 긴 getSeed ()

난수 생성기 시드 값을 가져옵니다.

보고

난수 생성기 시드 값

공개 작전 getTF ()

TensorFlow 작업을 가져옵니다.

보고

TensorFlow 작업

공개 추상 작업 재설정 상태 ()

모든 상태 변수를 초기 값으로 재설정합니다.

보고

재설정을 위한 제어 동작

공개 추상 피연산자 <T> 결과 ()

측정항목의 현재 결과를 가져옵니다.

보고

결과(제어 종속성이 있을 수 있음)

공개 최종 Op updateState ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights)

측정항목 상태를 업데이트하기 위해 제어 종속성이 있는 NoOp 작업을 생성합니다.

매개변수

라벨	라벨
예측	예측
샘플 가중치	값에 적용할 샘플 가중치는 null일 수 있습니다.

보고

측정항목 상태를 업데이트하는 작업

공개 최종 Op updateState ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights)

측정항목 상태를 업데이트하기 위해 제어 종속성이 있는 NoOp 작업을 생성합니다.

매개변수

가치	업데이트 상태로 전달될 입력입니다. null이 아닐 수 있습니다.
샘플 가중치	값에 적용할 샘플 가중치는 null일 수 있습니다.

보고

측정항목 상태를 업데이트하는 작업

public List< Op > updateStateList ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights)

라벨 및 예측을 기반으로 측정항목 상태를 업데이트하는 작업 목록을 만듭니다.

필요한 경우 하위 클래스에서 재정의해야 하는 빈 구현입니다.

매개변수

라벨	라벨
예측	예측
샘플 가중치	값에 적용할 샘플 가중치는 null일 수 있습니다.

보고

메트릭 상태를 업데이트하는 작업 목록

공개 목록< Op > updateStateList ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights)

입력 값을 기반으로 지표 상태를 업데이트하는 작업 목록을 만듭니다.

필요한 경우 하위 클래스에서 재정의해야 하는 빈 구현입니다.

매개변수

가치	업데이트 상태로 전달될 입력입니다. null이 아닐 수 있습니다.
샘플 가중치	값에 적용할 샘플 가중치는 null일 수 있습니다.

보고

메트릭 상태를 업데이트하는 작업 목록