tf.keras.metrics.SquaredHinge
| Просмотреть исходный код на GitHub |
Вычисляет квадратную меру шарнира между y_true и y_pred.
Наследуется от: MeanMetricWrapper, Mean, Metric, Layer, Module
tf.keras.metrics.SquaredHinge(
name='squared_hinge', dtype=None
)
Ожидаются значения y_true -1 или 1. Если предоставляются бинарные метки (0 или 1), мы преобразуем их в -1 или 1.
| Аргументы | |
|---|---|
name | (Необязательно) строковое имя экземпляра метрики. |
dtype | (Необязательно) тип данных результата метрики. |
Использование автономных приложений:
m = tf.keras.metrics.SquaredHinge() m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]]) m.result().numpy() 1.86
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()
1.46
Использование с API compile():
model.compile(
optimizer='sgd',
loss='mse',
metrics=[tf.keras.metrics.SquaredHinge()])
Методы
merge_state
merge_state(
metrics
)
Объединяет состояние из одной или нескольких метрик.
Этот метод может использоваться распределенными системами для объединения состояния, вычисленного различными экземплярами метрик. Обычно состояние хранится в виде весов метрики. Например, метрика tf.keras.metrics.Mean содержит список двух значений весов: общее значение и счетчик. Если бы существовали два экземпляра tf.keras.metrics.Accuracy, которые независимо агрегировали частичное состояние для расчета общей точности, состояния этих двух метрик можно было бы 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 требуемым спецификациям метрики. |
reset_state
reset_state()
Сбрасывает все переменные состояния метрики.
Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.
result
result()
Вычисляет и возвращает скалярное значение метрики или словарь скаляров.
Вычисление результата — это идемпотентная операция, которая просто вычисляет значение метрики с использованием переменных состояния.
| Возвращает | |
|---|---|
| Скалярный тензор или словарь скалярных тензоров. |
update_state
update_state(
y_true, y_pred, sample_weight=None
)
Накапливает статистику метрики.
Для разреженных категориальных метрик формы y_true и y_pred отличаются.
| Аргументы | |
|---|---|
y_true | Значения метки факта. форма = [batch_size, d0, .. dN-1] или форма = [batch_size, d0, .. dN-1, 1]. |
y_pred | Значения предсказанных вероятностей. форма = [batch_size, d0, .. dN]. |
sample_weight | Необязательный sample_weight выступает в качестве коэффициента для метрики. Если предоставляется скаляр, то метрика просто масштабируется на заданное значение. 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 имеет форму [batch_size, d0, .. dN-1] (или может быть транслирована в эту форму), то каждый элемент метрики y_pred масштабируется соответствующим значением sample_weight. (Примечание о dN-1: все функции метрики сводятся по 1 измерению, обычно по последней оси (-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/SquaredHinge