الطبقة العامة MeanMetricWrapper
| الفئات الفرعية المباشرة المعروفة BinaryCrossentropy <T يمتد TNumber >، CategoricalCrossentropy <T يمتد TNumber >، CategoricalHinge <T يمتد TNumber >، CosineSimilarity <T يمتد TNumber >، المفصلة <T يمتد TNumber >، KLDivergence <T يمتد TNumber >، LogCoshError <T يمتد TNumber >، MeanAbsoluteError <T يمتد TNumber >، MeanAbsolutePercentageError <T يمتد TNumber >، MeanSquaredError <T يمتد TNumber >، MeanSquaredLogarithmicError <T يمتد TNumber >، بواسون <T يمتد TNumber >، SparseCategoricalCrossentropy <T يمتد TNumber >، SquaredHinge <T يمتد TNumber > |
فئة تعمل على ربط دالة خسارة عديمة الحالة مع مقياس Mean باستخدام تقليل WEIGHTED_MEAN .
تحسب دالة الخسارة الخسارة بين labels predictions ثم تمرر هذه الخسارة إلى مقياس Mean لحساب المتوسط المرجح للخسارة على مدار العديد من التكرارات أو العصور
الثوابت الموروثة
الأساليب العامة
| قياس الخسارة <T> | الحصول على الخسارة () يحصل على وظيفة الخسارة. |
| قائمة< المرجع > |
الطرق الموروثة
الأساليب العامة
القائمة العامة < Op > updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights)
ينشئ عمليات تعمل على تحديث حالة القياس المتوسط، عن طريق استدعاء دالة الخسارة وتمرير الخسارة إلى مقياس المتوسط لحساب المتوسط المرجح للخسارة عبر العديد من التكرارات.
حدود
| تسميات | قيم الحقيقة أو التسميات |
|---|---|
| التنبؤات | التوقعات |
| أوزان عينة | تعمل أوزان العينات الاختيارية كمعامل للخسارة. إذا تم توفير العدد، فسيتم ببساطة قياس الخسارة بالقيمة المحددة. إذا كانت SampleWeights عبارة عن موتر بالحجم [batch_size]، فسيتم إعادة قياس الخسارة الإجمالية لكل عينة من الدُفعة بواسطة العنصر المقابل في ناقل SampleWeights. إذا كان شكل أوزان العينات هو [batch_size, d0, .. dN-1] (أو يمكن بثه إلى هذا الشكل)، فسيتم قياس كل عنصر خسارة في التنبؤات بالقيمة المقابلة لأوزان العينة. (ملاحظة حول dN-1: جميع دوال الخسارة تقلل بمقدار بُعد واحد، وعادة ما يكون المحور=-1.) |
عائدات
- قائمة عمليات التحكم التي تقوم بتحديث متغيرات الحالة المتوسطة.