공개 클래스 MeanMetricWrapper
알려진 직접 서브클래스 BinaryCrossentropy <T TNumber 확장 >, CategoricalCrossentropy <T TNumber 확장 >, CategoricalHinge <T TNumber 확장 >, CosineSimilarity <T TNumber 확장 >, Hinge <T TNumber 확장 >, KLDivergence <T TNumber 확장 >, LogCoshError <T TNumber 확장 >, MeanAbsoluteError <T TNumber 확장 >, MeanAbsolutePercentageError <T TNumber 확장 >, MeanSquaredError <T TNumber 확장 >, MeanSquaredLogarithmicError <T TNumber 확장 >, Poisson <T TNumber 확장 >, SparseCategoricalCrossentropy <T TNumber 확장 >, SquaredHinge <T TNumber 확장 > |
WEIGHTED_MEAN
의 감소를 사용하여 상태 비저장 손실 함수를 Mean
측정항목과 연결하는 클래스입니다.
손실 함수는 labels
과 predictions
간의 손실을 계산한 다음 이 손실을 Mean
측정항목에 전달하여 여러 반복 또는 에포크에 대한 손실의 가중 평균을 계산합니다.
공개 방법
public List< Op > updateStateList ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights)
손실 함수를 호출하고 손실을 평균 측정항목에 전달하여 여러 반복에 걸쳐 손실의 가중 평균을 계산함으로써 평균 측정항목의 상태를 업데이트하는 작업을 만듭니다.
매개변수
라벨 | 진리값 또는 라벨 |
---|---|
예측 | 예측 |
샘플 가중치 | 선택적 SampleWeights는 손실에 대한 계수 역할을 합니다. 스칼라가 제공되면 손실은 단순히 주어진 값에 따라 조정됩니다. SampleWeights가 [batch_size] 크기의 텐서인 경우 배치의 각 샘플에 대한 총 손실은 SampleWeights 벡터의 해당 요소에 따라 크기가 조정됩니다. SampleWeights의 모양이 [batch_size, d0, .. dN-1]인 경우(또는 이 모양으로 브로드캐스트될 수 있음) 예측의 각 손실 요소는 해당하는 SampleWeights 값에 따라 조정됩니다. (dN-1에 대한 참고: 모든 손실 함수는 1차원으로 감소하며 일반적으로 축=-1입니다.) |
보고
- 평균 상태 변수를 업데이트하는 제어 작업 목록입니다.