clase pública MeanMetricWrapper
| Subclases directas conocidas BinaryCrossentropy <T extiende TNumber >, CategoricalCrossentropy <T extiende TNumber >, CategoricalHinge <T extiende TNumber >, CosineSimilarity <T extiende TNumber >, Hinge <T extiende TNumber >, KLDivergence <T extiende TNumber >, LogCoshError <T extiende TNumber >, MeanAbsoluteError <T extiende TNumber >, MeanAbsolutePercentageError <T extiende TNumber >, MeanSquaredError <T extiende TNumber >, MeanSquaredLogarithmicError <T extiende TNumber >, Poisson <T extiende TNumber >, SparseCategoricalCrossentropy <T extiende TNumber >, SquaredHinge <T extiende TNumber > |
Una clase que une una función de pérdida sin estado con la métrica Mean mediante una reducción de WEIGHTED_MEAN .
La función de pérdida calcula la pérdida entre las labels y predictions y luego pasa esta pérdida a la métrica Mean para calcular la media ponderada de la pérdida durante muchas iteraciones o épocas.
Constantes heredadas
Métodos públicos
| Métrica de pérdida <T> | obtenerpérdida () Obtiene la función de pérdida. |
| Lista< Op . > | updateStateList ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea operaciones que actualizan el estado de la métrica media llamando a la función de pérdida y pasando la pérdida a la métrica media para calcular la media ponderada de la pérdida en muchas iteraciones. |
Métodos heredados
Métodos públicos
LossMetric pública <T> getLoss ()
Obtiene la función de pérdida.
Devoluciones
- la función de pérdida.
Lista pública< Op > updateStateList ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights)
Crea operaciones que actualizan el estado de la métrica media llamando a la función de pérdida y pasando la pérdida a la métrica media para calcular la media ponderada de la pérdida en muchas iteraciones.
Parámetros
| etiquetas | los valores o etiquetas de verdad |
|---|---|
| predicciones | las predicciones |
| pesos de muestra | SampleWeights opcional actúa como un coeficiente de pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala según el valor dado. Si sampleWeights es un tensor de tamaño [batch_size], entonces la pérdida total de cada muestra del lote se vuelve a escalar mediante el elemento correspondiente en el vector sampleWeights. Si la forma de sampleWeights es [batch_size, d0, .. dN-1] (o se puede transmitir a esta forma), entonces cada elemento de pérdida de las predicciones se escala según el valor correspondiente de sampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1). |
Devoluciones
- a Lista de operaciones de control que actualiza las variables de estado medio.