MeanMetricWrapper

공개 클래스 MeanMetricWrapper

알려진 직접 서브클래스

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.
MeanAbsoluteError <T는 TNumber를 확장합니다.>	라벨과 예측 간의 절대 차이의 평균을 계산하는 측정항목입니다.
MeanAbsolutePercentageError <T는 TNumber를 확장합니다.>	라벨과 예측 간의 절대 차이의 평균을 계산하는 측정항목입니다.
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.

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.

상속된 상수

org.tensorflow.framework.metrics.impl.Reduce 클래스에서

끈	세다
끈	총

공개 방법

손실 측정 <T>	손실 획득 () 손실 함수를 가져옵니다.
목록< 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.

상속된 메서드

org.tensorflow.framework.metrics.impl.Reduce 클래스에서

변수 <T>	getCount () 개수 변수를 가져옵니다.
클래스<T>	getResultType () 변수의 유형을 가져옵니다.
변수 <T>	총합계 () 전체 변수를 가져옵니다.
작전	재설정상태 () 모든 상태 변수를 초기 값으로 재설정합니다.
피연산자 <T>	결과 () 측정항목의 현재 결과를 가져옵니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 입력을 기반으로 측정항목 변수를 업데이트합니다.

org.tensorflow.framework.metrics.Metric 클래스에서

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.

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 LossMetric <T> getLoss ()

손실 함수를 가져옵니다.

보고

손실 함수.

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.