MeanMetricWrapper
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Các lớp con trực tiếp đã biết BinaryCrossentropy <T mở rộng TNumber >, CategoricalCrossentropy <T mở rộng TNumber >, CategoricalHinge <T mở rộng TNumber >, CosineSimilarity <T mở rộng TNumber >, Bản lề <T mở rộng TNumber >, KLDivergence <T mở rộng TNumber >, LogCoshError <T mở rộng TNumber >, MeanAbsoluteError <T mở rộng TNumber >, MeanAbsolutePercentageError <T mở rộng TNumber >, MeanSquaredError <T mở rộng TNumber >, MeanSquaredLogarithmicError <T mở rộng TNumber >, Poisson <T mở rộng TNumber >, SparseCategoricalCrossentropy <T mở rộng TNumber >, SquaredHinge <T mở rộng TNumber > BinaryCrossentropy <T mở rộng TNumber > | Một Số liệu tính toán tổn thất entropy chéo nhị phân giữa các nhãn thực và các nhãn được dự đoán. | Phân loạiCrossentropy <T mở rộng TNumber > | Một Số liệu tính toán tổn thất entropy chéo phân loại giữa các nhãn thực và các nhãn được dự đoán. | Bản lề phân loại <T mở rộng TNumber > | Một Số liệu tính toán số liệu tổn thất bản lề được phân loại giữa các nhãn và dự đoán. | CosineSimilarity <T mở rộng TNumber > | Một số liệu tính toán số liệu tương tự cosin giữa các nhãn và dự đoán. | Bản lề <T mở rộng TNumber > | Một thước đo tính toán thước đo tổn thất bản lề giữa các nhãn và dự đoán. | KLD Phân kỳ <T mở rộng TNumber > | Một số liệu tính toán số liệu tổn thất phân kỳ Kullback-Leibler giữa các nhãn và dự đoán. | LogCoshError <T mở rộng TNumber > | Một thước đo tính logarit của cosin hyperbol của thước đo lỗi dự đoán giữa nhãn và dự đoán. | MeanAbsoluteError <T mở rộng TNumber > | Một số liệu tính toán giá trị trung bình của sự khác biệt tuyệt đối giữa các nhãn và dự đoán. | MeanAbsolutePercentageError <T mở rộng TNumber > | Một số liệu tính toán giá trị trung bình của sự khác biệt tuyệt đối giữa các nhãn và dự đoán. | MeanSquaredError <T mở rộng TNumber > | Một số liệu tính toán giá trị trung bình của sự khác biệt tuyệt đối giữa các nhãn và dự đoán. | MeanSquaredLogarithmicError <T mở rộng TNumber > | Một số liệu tính toán giá trị trung bình của sự khác biệt tuyệt đối giữa các nhãn và dự đoán. | Poisson <T mở rộng TNumber > | Một số liệu tính toán số liệu tổn thất poisson giữa các nhãn và dự đoán. | SparseCategoricalCrossentropy <T kéo dài TNumber > | Một số liệu tính toán tổn thất entropy chéo phân loại thưa thớt giữa các nhãn thực và nhãn được dự đoán. | SquaredHinge <T mở rộng TNumber > | Một thước đo tính toán thước đo tổn thất bản lề bình phương giữa các nhãn và dự đoán. |
|
Một lớp kết nối hàm mất trạng thái với số liệu Mean
bằng cách sử dụng mức giảm WEIGHTED_MEAN
.
Hàm mất mát tính toán tổn thất giữa labels
và predictions
, sau đó chuyển tổn thất này sang số liệu Mean
để tính giá trị trung bình có trọng số của tổn thất qua nhiều lần lặp hoặc kỷ nguyên
Phương pháp kế thừa
Từ lớp java.lang.Object boolean | bằng (Đối tượng arg0) |
Lớp cuối cùng<?> | getClass () |
int | Mã Băm () |
khoảng trống cuối cùng | thông báo () |
khoảng trống cuối cùng | thông báoTất cả () |
Sợi dây | toString () |
khoảng trống cuối cùng | chờ đã (arg0 dài, int arg1) |
khoảng trống cuối cùng | chờ đã (arg0 dài) |
khoảng trống cuối cùng | Chờ đợi () |
Phương pháp công khai
Danh sách công khai< Op > updateStateList ( Toán hạng <? mở rộng TNumber > nhãn, Toán hạng <? mở rộng TNumber > dự đoán, Toán hạng <? mở rộng TNumber > sampleWeights)
Tạo các Hoạt động cập nhật trạng thái của số liệu trung bình, bằng cách gọi hàm mất mát và chuyển tổn thất sang số liệu Trung bình để tính giá trị trung bình có trọng số của tổn thất qua nhiều lần lặp.
Thông số
nhãn | các giá trị thật hoặc nhãn |
---|
phỏng đoán | những dự đoán |
---|
mẫuTrọng lượng | Khối lượng mẫu tùy chọn đóng vai trò như một hệ số tổn thất. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu sampleWeights là một tenxơ có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô được điều chỉnh lại theo phần tử tương ứng trong vectơ sampleWeights. Nếu hình dạng của sampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của sampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.) |
---|
Trả lại
- Danh sách các hoạt động điều khiển cập nhật các biến trạng thái Trung bình.
Trừ khi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2023-12-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Thiếu thông tin tôi cần"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Quá phức tạp/quá nhiều bước"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Đã lỗi thời"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Vấn đề về bản dịch"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Vấn đề về mẫu/mã"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Khác"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Dễ hiểu"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Giúp tôi giải quyết được vấn đề"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Khác"
}]