|
- 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。
-
-
- clear()
-
- 描述了清除内部评估结果的行为。
-
- 注：
- 所有子类都必须重写此接口。
-
-
- eval()
-
- 描述了计算最终评估结果的行为。
-
- 注：
- 所有子类都必须重写此接口。
-
-
- indexes
- 获取当前的`indexes`值。默认为None，调用`set_indexes`可修改`indexes`值。
-
-
- 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。
-
- 注：
- 在继承该类自定义评估函数时，需要用装饰器:func:`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。
-
- 示例：
- >>> 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
-
-
- update(*inputs)
-
- 描述了更新内部评估结果的行为。
-
- 注：
- 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。
-
|
