MeanMetricWrapper

genel sınıf MeanMetricWrapper

Bilinen Doğrudan Alt Sınıflar

İkili Çapraz Sentropi <T TNumber'ı genişletir >	Gerçek etiketler ve tahmin edilen etiketler arasındaki ikili çapraz entropi kaybını hesaplayan bir Metrik.
Kategorik Çapraztropi <T TNumber'ı genişletir >	Gerçek etiketler ile tahmin edilen etiketler arasındaki kategorik çapraz entropi kaybını hesaplayan bir Metrik.
Kategorik Menteşe <T TNumber'ı genişletir >	Etiketler ve tahminler arasındaki kategorik menteşe kaybı ölçüsünü hesaplayan bir Metrik.
Kosinüs Benzerliği <T, TSayısını genişletir >	Etiketler ve tahminler arasındaki kosinüs benzerliği ölçümünü hesaplayan bir ölçüm.
Menteşe <T TNumber'ı uzatır >	Etiketler ve tahminler arasındaki menteşe kaybı ölçümünü hesaplayan bir ölçüm.
KLDıraksama <T TNumber'ı genişletir >	Etiketler ve tahminler arasındaki Kullback-Leibler sapma kaybı metriğini hesaplayan bir metrik.
LogCoshError <T TNumber'ı genişletir >	Etiketler ve tahminler arasındaki tahmin hatası ölçümünün hiperbolik kosinüsünün logaritmasını hesaplayan bir ölçüm.
MeanAbsoluteError <T TNumber'ı genişletir >	Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm.
MeanAbsolutePercentageError <T, TNumber'ı genişletir >	Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm.
MeanSquaredError <T, TNumber'ı genişletir >	Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm.
MeanSquaredLogarithmicError <T, TNumber'ı genişletir >	Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm.
Poisson <T TNumber'ı genişletir >	Etiketler ve tahminler arasındaki poisson kaybı ölçümünü hesaplayan bir ölçüm.
SparseCategoricalCrossentropy <T, TNumber'ı genişletir >	Gerçek etiketler ile tahmin edilen etiketler arasındaki seyrek kategorik çapraz entropi kaybını hesaplayan bir ölçüm.
Kare Menteşe <T TNumber'ı genişletir >	Etiketler ve tahminler arasındaki karesel menteşe kaybı metriğini hesaplayan bir ölçüm.

WEIGHTED_MEAN azaltmasını kullanarak durum bilgisi olmayan bir kayıp işlevini Mean metriği ile birleştiren bir sınıf.

Kayıp işlevi, labels ve predictions arasındaki kaybı hesaplar ve ardından bu kaybı, birçok yineleme veya dönem boyunca kaybın ağırlıklı ortalamasını hesaplamak için Mean metriğine iletir.

Devralınan Sabitler

org.tensorflow.framework.metrics.impl.Reduce sınıfından

Sicim	SAYMAK
Sicim	TOPLAM

Genel Yöntemler

KayıpMetrik <T>	kayıp () Kayıp fonksiyonunu alır.
Liste< Op >	updateStateList ( İşlenen <? TNumber'ı genişletir > etiketleri, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights) Birçok yinelemede kaybın ağırlıklı ortalamasını hesaplamak için kayıp işlevini çağırarak ve kaybı Ortalama metriğe ileterek ortalama metriğin durumunu güncelleyen İşlemler oluşturur.

Kalıtsal Yöntemler

org.tensorflow.framework.metrics.impl.Reduce sınıfından

Değişken <T>	getCount () Sayım değişkenini alır
Sınıf<T>	getResultType () Değişkenlerin türünü alır
Değişken <T>	Toplamı al () Toplam değişkeni alır
Operasyon	sıfırlamaDurumları () Herhangi bir durum değişkenini başlangıç değerlerine sıfırlar
İşlenen <T>	sonuç () Metriğin geçerli sonucunu alır
Liste< Op >	updateStateList ( İşlenen <? TNumber'ı genişletir > değerleri, İşlenen <? TNumber'ı genişletir > sampleWeights) Girişlere göre metrik değişkenleri günceller.

org.tensorflow.framework.metrics.Metric sınıfından

son İşlenen <T>	callOnce ( İşlenen <? TNumber'ı genişletir > değerleri, İşlenen <? TNumber'ı genişletir > sampleWeights) Güncelleme durumunu bir kez çağırır, ardından sonucu almak için bir çağrı yapılır
Sicim	getName () Bu metriğin adını alır.
uzun	getSeed () Rastgele sayı üretecinin tohum değerini alır
Operasyonlar	getTF () TensorFlow Ops'u alır
Özet Op	sıfırlamaDurumları () Herhangi bir durum değişkenini başlangıç değerlerine sıfırlar
soyut İşlenen <T>	sonuç () Metriğin geçerli sonucunu alır
son operasyon	updateState ( İşlenen <? TNumber'ı genişletir > etiketler, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights) Metrik durumu güncellemek için kontrol bağımlılıklarına sahip bir NoOp İşlemi oluşturur
son operasyon	updateState ( İşlenen <? extends TNumber > değerleri, İşlenen <? extends TNumber > sampleWeights) Metrik durumu güncellemek için kontrol bağımlılıklarına sahip bir NoOp İşlemi oluşturur
Liste< Op >	updateStateList ( İşlenen <? TNumber'ı genişletir > etiketleri, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights) Metrik durumunu etiketlere ve tahminlere göre güncellemek için bir İşlem Listesi oluşturur.
Liste< Op >	updateStateList ( İşlenen <? TNumber'ı genişletir > değerleri, İşlenen <? TNumber'ı genişletir > sampleWeights) Giriş değerlerine göre ölçüm durumunu güncellemek için bir İşlem Listesi oluşturur.

Java.lang.Object sınıfından

boolean	eşittir (Nesne arg0)
son Sınıf<?>	getClass ()
int	hash kodu ()
son boşluk	bildir ()
son boşluk	tümünü bildir ()
Sicim	toString ()
son boşluk	bekle (uzun arg0, int arg1)
son boşluk	bekle (uzun arg0)
son boşluk	Beklemek ()

Genel Yöntemler

genel LossMetric <T> getLoss ()

Kayıp fonksiyonunu alır.

İadeler

kayıp fonksiyonu.

public List< Op > updateStateList ( İşlenen <? TNumber'ı genişletir > etiketler, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights)

Birçok yinelemede kaybın ağırlıklı ortalamasını hesaplamak için kayıp işlevini çağırarak ve kaybı Ortalama metriğe ileterek ortalama metriğin durumunu güncelleyen İşlemler oluşturur.

Parametreler

etiketler	doğruluk değerleri veya etiketleri
tahminler	tahminler
örnekAğırlıklar	İsteğe bağlı sampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. sampleWeights, [batch_size] boyutunda bir tensör ise, o zaman partinin her numunesi için toplam kayıp, sampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, sampleWeights'ın karşılık gelen değerine göre ölçeklenir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.)

İadeler

Ortalama durum değişkenlerini güncelleyen kontrol işlemlerinin listesi.