tf.keras.metrics.KLDivergence

Вычисляет метрику расхождения Кульбака-Лейблера между y_true и y_pred.

tf.keras.metrics.KLDivergence(
    name='kl_divergence', dtype=None
)

metric = y_true * log(y_true / y_pred)

y_true и y_pred ожидаются как вероятностные распределения, со значениями от 0 до 1. Они будут ограничены диапазоном [0, 1].

Аргументы
`name`	(Необязательно) строковое имя экземпляра метрики.
`dtype`	(Необязательно) тип данных результата метрики.

m = keras.metrics.KLDivergence()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]])
m.result()
0.45814306

m.reset_state()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]],
               sample_weight=[1, 0])
m.result()
0.9162892

Использование с API compile():

model.compile(optimizer='sgd',
              loss='mse',
              metrics=[keras.metrics.KLDivergence()])

Атрибуты
`dtype`
`variables`

Методы

add_variable(
    shape, initializer, dtype=None, aggregation='sum', name=None
)

add_weight(
    shape=(), initializer=None, dtype=None, name=None
)

@classmethod
from_config(
    config
)

get_config()

Возвращает сериализуемую конфигурацию метрики.

reset_state()

Сбросить все переменные состояния метрики.

Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.

result()

Вычисление текущего значения метрики.

Возвращает
Скалярный тензор или словарь скалярных тензоров.

stateless_reset_state()

stateless_result(
    metric_variables
)

stateless_update_state(
    metric_variables, *args, **kwargs
)

update_state(
    y_true, y_pred, sample_weight=None
)

Накопление статистики для метрики.

__call__(
    *args, **kwargs
)

Вызов self как функции.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/KLDivergence