76 lines
2.1 KiB
ReStructuredText
76 lines
2.1 KiB
ReStructuredText
mindspore.nn.Metric
|
||
====================
|
||
|
||
.. py:class:: mindspore.nn.Metric
|
||
|
||
用于计算评估指标的基类。
|
||
|
||
在计算评估指标时需要调用 `clear` 、 `update` 和 `eval` 三个方法，在继承该类自定义评估指标时，也需要实现这三个方法。其中，`update` 用于计算中间过程的内部结果，`eval` 用于计算最终评估结果，`clear` 用于重置中间结果。
|
||
请勿直接使用该类，需使用子类如 :class:`mindspore.nn.MAE` 、 :class:`mindspore.nn.Recall` 等。
|
||
|
||
.. py:method:: clear()
|
||
:abstract:
|
||
|
||
描述了清除内部评估结果的行为。
|
||
|
||
.. note::
|
||
所有子类都必须重写此接口。
|
||
|
||
.. py:method:: eval()
|
||
:abstract:
|
||
|
||
描述了计算最终评估结果的行为。
|
||
|
||
.. note::
|
||
所有子类都必须重写此接口。
|
||
|
||
.. py:method:: indexes
|
||
:property:
|
||
|
||
获取当前的 `indexes` 值。默认为None，调用 `set_indexes` 可修改 `indexes` 值。
|
||
|
||
.. py:method:: set_indexes(indexes)
|
||
|
||
该接口用于重排 `update` 的输入。
|
||
|
||
给定(label0, label1, logits)作为 `update` 的输入，将 `indexes` 设置为[2, 1]，则最终使用(logits, label1)作为 `update` 的真实输入。
|
||
|
||
.. note::
|
||
在继承该类自定义评估函数时，需要用装饰器 `mindspore.nn.rearrange_inputs` 修饰 `update` 方法，否则配置的 `indexes` 值不生效。
|
||
|
||
|
||
**参数：**
|
||
|
||
**indexes** (List(int)) - logits和标签的目标顺序。
|
||
|
||
**输出：**
|
||
|
||
:class:`Metric` ，类实例本身。
|
||
|
||
**样例：**
|
||
|
||
>>> import numpy as np
|
||
>>> from mindspore import nn, Tensor
|
||
>>>
|
||
>>> x = Tensor(np.array([[0.2, 0.5], [0.3, 0.1], [0.9, 0.6]]))
|
||
>>> y = Tensor(np.array([1, 0, 1]))
|
||
>>> y2 = Tensor(np.array([0, 0, 1]))
|
||
>>> metric = nn.Accuracy('classification').set_indexes([0, 2])
|
||
>>> metric.clear()
|
||
>>> # indexes为[0, 2]，使用x作为预测值，y2作为真实标签
|
||
>>> metric.update(x, y, y2)
|
||
>>> accuracy = metric.eval()
|
||
>>> print(accuracy)
|
||
0.3333333333333333
|
||
|
||
.. py:method:: update(*inputs)
|
||
:abstract:
|
||
|
||
描述了更新内部评估结果的行为。
|
||
|
||
.. note::
|
||
所有子类都必须重写此接口。
|
||
|
||
**参数：**
|
||
|
||
**inputs** - 可变长度输入参数列表。通常是预测值和对应的真实标签。 |