tf.keras.metrics.Hinge

Вычисляет метрику Хинджа между y_true и y_pred.

Наследуется от: MeanMetricWrapper, Mean, Metric, Layer, Module

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.metrics.Hinge

tf.keras.metrics.Hinge(
    name='hinge', dtype=None
)

Ожидается, что значения y_true будут равны -1 или 1. Если предоставлены бинарные метки (0 или 1), мы преобразуем их в -1 или 1.

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

Использование в качестве самостоятельной метрики:

m = tf.keras.metrics.Hinge()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]])
m.result().numpy()
1.3

m.reset_state()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]],
               sample_weight=[1, 0])
m.result().numpy()
1.1

Использование с API compile():

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

Методы

`merge_state`

Просмотреть исходный код

merge_state(
    metrics
)

Объединяет состояние от одной или нескольких метрик.

Этот метод может использоваться распределенными системами для объединения состояния, вычисленного различными экземплярами метрик. Как правило, состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит список из двух значений весов: общее значение и счетчик. Если у нас есть два экземпляра tf.keras.metrics.Accuracy, которые независимо агрегировали частичное состояние для вычисления общей точности, состояния этих двух метрик можно объединить следующим образом:

m1 = tf.keras.metrics.Accuracy()
_ = m1.update_state([[1], [2]], [[0], [2]])

m2 = tf.keras.metrics.Accuracy()
_ = m2.update_state([[3], [4]], [[3], [4]])

m2.merge_state([m1])
m2.result().numpy()
0.75

Аргументы
`metrics`	итерируемый объект метрик. Метрики должны иметь совместимое состояние.

Исключения
`ValueError`	Если предоставленный итерируемый объект не содержит метрик, соответствующих необходимым требованиям метрики.

`reset_state`

Просмотреть исходный код

reset_state()

Сбрасывает все переменные состояния метрики.

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

`result`

Просмотреть исходный код

result()

Вычисляет и возвращает скалярное тензорное значение метрики или словарь скаляров.

Вычисление результата — это идемпотентная операция, которая просто вычисляет значение метрики, используя переменные состояния.

Возвращает
Скалярный тензор или словарь скалярных тензоров.

`update_state`

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику метрики.

Для метрик разреженных категориальных данных формы y_true и y_pred отличаются.

Аргументы
`y_true`	Значения меток истинных значений. shape = `[batch_size, d0, .. dN-1]` или shape = `[batch_size, d0, .. dN-1, 1]`.
`y_pred`	Значения предсказанных вероятностей. shape = `[batch_size, d0, .. dN]`.
`sample_weight`	Необязательный `sample_weight` действует как коэффициент для метрики. Если предоставлен скаляр, то метрика просто масштабируется заданным значением. Если `sample_weight` является тензором размера `[batch_size]`, то метрика для каждого образца пакета масштабируется соответствующим элементом в векторе `sample_weight`. Если форма `sample_weight` равна `[batch_size, d0, .. dN-1]` (или может быть расширена до этой формы), то каждый элемент метрики `y_pred` масштабируется соответствующим значением `sample_weight`. (Примечание по `dN-1`: все функции метрик уменьшают размерность на 1, обычно последнюю ось (-1)).

Возвращает
Операция обновления.

© 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/versions/r2.9/api_docs/python/tf/keras/metrics/Hinge